【技术实现步骤摘要】
本公开实施例涉及但不限于机械设备异常检测，尤其涉及一种设备异常检测方法、装置和存储介质。
技术介绍
1、旋转机械设备是许多工业领域中的关键设备，如电力、石油、化工、航空、水务等，这些机械设备的运行状态直接影响到企业的生产效率和安全性。然而，由于长时间的运行和各种因素的影响，旋转机械设备可能会出现各种故障(如不平衡、不对中、松动、磨损等)，影响设备的性能，甚至引发安全事故。为了及时发现和解决这些故障，需要对旋转机械设备进行振动监测与诊断，比如通过对机械振动信号的采集和分析，了解机械的运行状态，及时发现异常情况并进行故障诊断。这不仅可以提高旋转机械设备的运行效率，还可以延长其使用寿命，同时也能够降低事故发生的可能性。
2、目前的实际场景中，主要通过机理分析和智能诊断的方式对旋转机械设备进行故障诊断。机理分析是对设备的运行原理进行分析，得到反映设备故障的参数或特征，进而进行故障诊断。首先需要获得关于故障的信号，之后从信号中提取关于故障的信息，并获得与故障有关的征兆。然而，不同旋转机械设备故障的信号具体表现形式是不同的，且早期故障与微弱、复合性故障在诊断方面还存在某些方面不足，并且系统故障通常是多项因素共同作用的结果，单一的方法难以达到有效的处理效果。
3、智能诊断是基于大数据分析的诊断方法，引入了人工智能和机器学习的理论和技术，实现的一种智能故障诊断方法。智能诊断能够通过上述技术从大量的正常状态和故障状态数据中自动提取与故障相关的特征，构建分类模型，并对模型参数进行学习，然后用于设备状态的分类和诊断，最终实现提
技术实现思路
1、以下是对本文详细描述的主题的概述。本概述并非是为了限制权利要求的保护范围。
2、本公开提供了一种设备异常检测方法、装置和存储介质，能够实现设备异常检测，在早期提示用户设备发生异常，可以提高设备的运行效率，延长设备使用寿命，降低事故发生的可能性。
3、本公开一实施例提供了一种设备异常检测方法，包括：
4、获取待监测设备的振动数据，并对所述振动数据进行预处理，得到第一特征向量；所述第一特征向量包括多个特征；
5、将所述第一特征向量输入预先训练好的偏离度检测模型，获取所述第一特征向量中各个特征的偏离度；
6、根据所述各个特征的偏离度和各个特征对应的标准偏离度，判断所述待监测设备是否异常；
7、其中，所述标准偏离度是根据所述待监测设备在正常状态下的振动数据得到的偏离度，每个特征对应一个标准偏离度。
8、本公开一实施例还提供了一种设备异常检测装置，包括：存储器和处理器；
9、所述存储器，用于保存用于设备异常检测的程序；
10、所述处理器，用于读取所述用于设备异常检测的程序，执行如本公开任一实施例所述的设备异常检测方法。
11、本公开一实施例还提供了一种非瞬态计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其中，所述计算机程序时被处理器执行时能够实现如本公开任一实施例所述的设备异常检测方法。
12、与相关技术相比，本公开实施例提供的一种设备异常检测方法、装置和存储介质，通过偏离度检测模型处理待监测设备的振动数据，获取各个特征的偏离度，进而根据各个特征的偏离度和正常状态下得到的标准偏离度比较，即可判断待监测设备是否异常，实现了无需采集故障数据，也无需对数据进行标记，在解决了故障数据获取的局限性问题、节省了构建成本的前提下，实现了设备异常检测，在早期提示用户设备发生异常，可以提高设备的运行效率，延长设备使用寿命，降低事故发生的可能性。
13、本申请实施例的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本申请实施例而了解。本申请实施例的目的和其他优点可通过在说明书、权利要求书以及附图中所特别指出的结构来实现和获得。
本文档来自技高网...【技术保护点】
1.一种设备异常检测方法，其特征在于，包括：
2.根据权利要求1所述的设备异常检测方法，其特征在于，所述偏离度检测模型包括交叉网络、自编码器、计算单元和输出单元；
3.根据权利要求2所述的设备异常检测方法，其特征在于，所述偏离度检测模型通过以下过程训练得到：
4.根据权利要求2所述的设备异常检测方法，其特征在于：
5.根据权利要求3所述的设备异常检测方法，其特征在于，所述获取所述第一特征向量中各个特征的偏离度，包括：
6.根据权利要求1所述的设备异常检测方法，其特征在于，所述根据所述各个特征的偏离度和各个特征对应的标准偏离度，判断所述待监测设备是否异常，包括：
7.根据权利要求2所述的设备异常检测方法，其特征在于，所述标准偏离度通过以下方式获得：
8.根据权利要求1所述的设备异常检测方法，其特征在于：
9.一种设备异常检测装置，包括：存储器和处理器；其特征在于：
10.一种非瞬态计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其中，所述计算机程序时被处理器执行时
...【技术特征摘要】
1.一种设备异常检测方法，其特征在于，包括：
2.根据权利要求1所述的设备异常检测方法，其特征在于，所述偏离度检测模型包括交叉网络、自编码器、计算单元和输出单元；
3.根据权利要求2所述的设备异常检测方法，其特征在于，所述偏离度检测模型通过以下过程训练得到：
4.根据权利要求2所述的设备异常检测方法，其特征在于：
5.根据权利要求3所述的设备异常检测方法，其特征在于，所述获取所述第一特征向量中各个特征的偏离度，包括：
6.根据权利要求1所述的设备异常检测方法，...
【专利技术属性】
技术研发人员：王英荷，寿杰华，宋钱骞，林枫，
申请(专利权)人：北京旋极信息技术股份有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。