【技术实现步骤摘要】
本申请属于人工智能，尤其涉及一种故障处理方法、电子设备及存储介质。
技术介绍
1、在现代工业生产中，设备故障的处理对工业生产来说至关重要。相关技术中，当发现设备出现故障后，才通知维护人员对设备的故障进行修复，由于设备故障的处理往往受限于事后维修，导致设备停机的时间较长，不利于工业产品的及时交付。
技术实现思路
1、本申请提供一种故障处理方法、电子设备及存储介质，以解决故障处理不及时而导致设备停机时间较长的技术问题。
2、本申请实施例第一方面提供一种故障处理方法，所述方法包括：获取用户设备的维修记录，并根据所述维修记录获取设备运行数据，所述维修记录包括故障描述、记录故障类型及报障时间；基于预先训练完成的语义分析模型分析所述故障描述的描述语义；若所述描述语义对应的描述故障类型与所述记录故障类型匹配，基于所述报障时间获取所述用户设备的历史故障数据；基于预先训练完成的故障预测模型对所述历史故障数据及所述设备运行数据进行分析，得到预测故障类型及对应的预测故障时间；根据所述预测故障类型、所述预测故障时间及所述预测故障类型对应的平均故障时间间隔，量化所述预测故障类型的故障重要度；若所述故障重要度大于预设重要度阈值，根据所述预测故障时间确定所述用户设备的维修时间；基于所述维修时间，调用与所述预测故障类型对应的修复服务器对所述用户设备进行故障修复。
3、根据本申请实施例，所述根据所述维修记录获取设备运行数据包括：确定每个维修记录的记录时间；确定时间最晚的记录时间作为第一时间，
4、根据本申请实施例，所述方法还包括：获取类型映射矩阵及向量编码表；基于所述向量编码表对所述描述语义中的词汇进行编码，得到每个词汇的编码向量，所述编码向量的列数等于所述类型映射矩阵的矩阵行数；将每个词汇的编码向量作为行向量，并依据所述词汇在所述描述语义中的位置，拼接多个所述行向量，得到语义矩阵；计算所述语义矩阵与所述类型映射矩阵的乘积，得到映射矩阵；将所述映射矩阵中取值最大的维度对应的类别确定为所述描述故障类型；若所述描述故障类型与所述记录故障类型不匹配，忽略所述维修记录。
5、根据本申请实施例，所述故障预测模型包括类型预测网络层及时间预测网络层；所述基于预先训练完成的故障预测模型对所述历史故障数据及所述设备运行数据进行分析，得到预测故障类型及对应的预测故障时间包括：基于所述类型预测网络层中的相似度公式，计算所述历史故障数据与所述设备运行数据的数据相似度；基于所述类型预测网络层中的筛选阈值及所述数据相似度，从所述设备运行数据中识别出异常运行数据；基于所述类型预测网络层中的参数类型映射表对所述异常运行数据对应的异常参数进行映射处理，得到所述预测故障类型；基于所述时间预测网络层对所述记录故障类型、所述异常运行数据及所述历史故障数据进行分析，得到所述预测故障时间。
6、根据本申请实施例，所述基于所述时间预测网络层对所述记录故障类型、所述异常运行数据及所述历史故障数据进行分析，得到所述预测故障时间包括：基于所述异常运行数据计算参数变化速率；计算所述异常运行数据与所述历史故障数据的差值绝对值在所述参数变化速率上的比值，得到预测时长；从所述时间预测网络层中获取与所述参数变化速率及所述预测时长对应的时长容差；根据所述预测时长、所述时长容差、所述异常运行数据对应的运行时间，确定所述预测故障时间。
7、根据本申请实施例，所述根据所述预测故障类型、所述预测故障时间及所述预测故障类型对应的平均故障时间间隔，量化所述预测故障类型的故障重要度包括：对所述预测故障类型进行编码，得到类型向量；将第一权值矩阵乘以所述类型向量的结果作为第一向量，将第二权值矩阵乘以所述类型向量的结果作为第二向量；将第三权值矩阵乘以所述类型向量的结果作为第三向量，并确定第一向量的向量维度；根据所述第一向量、所述第二向量、所述第三向量及所述向量维度确定第一重要度；根据所述预测故障时间与当前时间的时间差值及所述平均故障时间间隔，确定第二重要度；根据所述第一重要度及所述第二重要度的加权和确定所述故障重要度。
8、根据本申请实施例，在调用与所述预测故障类型对应的修复服务器对所述用户设备进行故障修复之后，所述方法还包括：获取所述用户设备的第一使用者评分，并计算所述第一使用者评分的评分方差；若所述评分方差小于预设方差，以及所述第一使用者评分的评分均值小于预设分值，基于所述预设分值与所述评分均值的差值确定所述预设重要度阈值的调整比例；根据所述调整比例调整所述预设重要度阈值，得到调整后的重要度阈值。
9、根据本申请实施例，所述语义分析模型包括词汇编码层、特征提取层及语义分类层，所述词汇编码层包括词组表；所述基于预先训练完成的语义分析模型分析所述故障描述的描述语义包括：基于所述词组表对所述故障描述进行分词处理，得到描述词组；基于所述词汇编码层对所述描述词组进行编码，得到词组向量，并根据多个所述词组向量生成语句向量；基于所述特征提取层对所述语句向量进行特征提取，得到特征向量；基于所述语义分类层计算所述特征向量与预设语义对应的预设向量的向量相似度，并根据所述向量相似度从多个所述预设语义中确定出所述描述语义。
10、本申请实施例第二方面提供一种故障处理装置，所述装置包括：获取单元，用于获取用户设备的维修记录，并根据所述维修记录获取设备运行数据，所述维修记录包括故障描述、记录故障类型及报障时间；分析单元，用于基于预先训练完成的语义分析模型分析所述故障描述的描述语义；所述获取单元，还用于若所述描述语义对应的描述故障类型与所述记录故障类型匹配，基于所述报障时间获取所述用户设备的历史故障数据；所述分析单元，还用于基于预先训练完成的故障预测模型对所述历史故障数据及所述设备运行数据进行分析，得到预测故障类型及对应的预测故障时间；量化单元，用于根据所述预测故障类型、所述预测故障时间及所述预测故障类型对应的平均故障时间间隔，量化所述预测故障类型的故障重要度；确定单元，用于若所述故障重要度大于预设重要度阈值，根据所述预测故障时间确定所述用户设备的维修时间；调用单元，用于基于所述维修时间，调用与所述预测故障类型对应的修复服务器对所述用户设备进行故障修复。
11、本申请实施例第三方面提供一种电子设备，所述电子设备包括：存储器，存储计算机可读指令；及处理器，执行所述存储器中存储的计算机可读指令以实现所述故障处理方法。
12、本申请实施例第四方面提供一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机可读指令，所述计算机可读指令被电子设备中的处理器执行以实现所述故障处理方法。
13、本申请实施例在维修记录中的故本文档来自技高网...
【技术保护点】
1.一种故障处理方法，其特征在于，所述方法包括：
2.根据权利要求1所述的故障处理方法，其特征在于，所述根据所述维修记录获取设备运行数据包括：
3.根据权利要求1所述的故障处理方法，其特征在于，所述方法还包括：
4.根据权利要求1所述的故障处理方法，其特征在于，所述故障预测模型包括类型预测网络层及时间预测网络层；所述基于预先训练完成的故障预测模型对所述历史故障数据及所述设备运行数据进行分析，得到预测故障类型及对应的预测故障时间包括：
5.根据权利要求4所述的故障处理方法，其特征在于，所述基于所述时间预测网络层对所述记录故障类型、所述异常运行数据及所述历史故障数据进行分析，得到所述预测故障时间包括：
6.根据权利要求1所述的故障处理方法，其特征在于，所述根据所述预测故障类型、所述预测故障时间及所述预测故障类型对应的平均故障时间间隔，量化所述预测故障类型的故障重要度包括：
7.根据权利要求1所述的故障处理方法，其特征在于，在调用与所述预测故障类型对应的修复服务器对所述用户设备进行故障修复之后，所述方法还包括：p>
8.根据权利要求1所述的故障处理方法，其特征在于，所述语义分析模型包括词汇编码层、特征提取层及语义分类层，所述词汇编码层包括词组表；所述基于预先训练完成的语义分析模型分析所述故障描述的描述语义包括：
9. 一种电子设备，其特征在于，包括：
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中存储有计算机可读指令，所述计算机可读指令被电子设备中的处理器执行以实现如权利要求1至8中任一项所述的故障处理方法。
...【技术特征摘要】
1.一种故障处理方法，其特征在于，所述方法包括：
2.根据权利要求1所述的故障处理方法，其特征在于，所述根据所述维修记录获取设备运行数据包括：
3.根据权利要求1所述的故障处理方法，其特征在于，所述方法还包括：
4.根据权利要求1所述的故障处理方法，其特征在于，所述故障预测模型包括类型预测网络层及时间预测网络层；所述基于预先训练完成的故障预测模型对所述历史故障数据及所述设备运行数据进行分析，得到预测故障类型及对应的预测故障时间包括：
5.根据权利要求4所述的故障处理方法，其特征在于，所述基于所述时间预测网络层对所述记录故障类型、所述异常运行数据及所述历史故障数据进行分析，得到所述预测故障时间包括：
6.根据权利要求1所述的故障处理方法，其特征在于，所述根据...
【专利技术属性】
技术研发人员：谢书鸿，时宗胜，杨晓亮，王飞，张晨，蒋剑，施凯文，
申请(专利权)人：江苏中天互联科技有限公司，
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。