一种故障诊断的方法、装置及电子设备制造方法及图纸

技术编号:43317847 阅读:19 留言:0更新日期:2024-11-15 20:18
本发明专利技术属于故障诊断领域,公开了一种故障诊断的方法、装置及电子设备,所述方法包括获取第一特征数据组,利用预设的SPOT算法根据第一特征数据组计算对应的第一特征阈值;利用预训练的支持向量机模型基于第一特征阈值对每个第一特征数据进行分类,并根据分类结果确定每个设备的故障类别。本发明专利技术通过比较不同设备在相同工况下的表现,能够更客观地识别出异常行为,减少了单一设备数据可能带来的误判风险,提高了诊断准确性。同时,通过横向对比不依赖于特定设备的特性,阈值可以根据实际数据动态调整,使得诊断系统能够适应不同设备和环境的变化,可以广泛应用于不同的设备和系统,提高了故障诊断方法的普适性。

【技术实现步骤摘要】

【】本专利技术涉及故障诊断领域,具体而言,涉及一种故障诊断的方法、装置、电子设备及计算机可读存储介质。


技术介绍

0、
技术介绍

1、在传统的设备故障诊断领域,通常依赖相关
专家结合自身的经验和知识来设定关键性能指标的故障阈值。这种方法通过观察多个关键性能指标的变化趋势,能够初步判断设备的故障现象。然而,这种依赖于专家经验的阈值设定存在明显的局限性。首先,不同的专家可能会有不同的判断标准,导致该方法缺乏客观性;其次,由于在不同的系统和设备中,相同的阈值可能无法准确反映故障状态,导致该方法不具有通用性。

2、进一步地,尽管采用如卷积神经网络和极端梯度提升树等先进的分类算法可以提高故障诊断的准确性,但这些方法依然存在一些问题。单纯依赖分类算法进行故障诊断可能会带来误判的风险,因为其可能无法充分考虑设备的特定特性和运行环境。此外,这些算法在不同系统之间的适用性也存在挑战,需要针对具体系统进行调整和优化,从而增加了实施的复杂性和成本。

3、因此,如何提供一种既准确又具有通用性的故障诊断方法为本领域需要解决的技术问题。...

【技术保护点】

1.一种故障诊断的方法,其特征在于,包括:

2.根据权利要求1所述的方法,其特征在于,在利用预训练的支持向量机模型基于所述第一特征阈值对每个所述第一特征数据进行分类之前,所述方法还包括:

3.根据权利要求2所述的方法,其特征在于,所述利用所述预设的SPOT算法根据所述第二特征数据组计算对应的第二特征阈值,包括:

4.根据权利要求3所述的方法,其特征在于,所述利用物理属性定义函数结合所述第二特征阈值计算每个所述第二特征数据对应的第二物理属性值,包括:

5.根据权利要求4所述的方法,其特征在于,所述根据每个所述第二物理属性值及对应的标注信息对初...

【技术特征摘要】

1.一种故障诊断的方法,其特征在于,包括:

2.根据权利要求1所述的方法,其特征在于,在利用预训练的支持向量机模型基于所述第一特征阈值对每个所述第一特征数据进行分类之前,所述方法还包括:

3.根据权利要求2所述的方法,其特征在于,所述利用所述预设的spot算法根据所述第二特征数据组计算对应的第二特征阈值,包括:

4.根据权利要求3所述的方法,其特征在于,所述利用物理属性定义函数结合所述第二特征阈值计算每个所述第二特征数据对应的第二物理属性值,包括:

5.根据权利要求4所述的方法,其特征在于,所述根据每个所述第二物理属性值及对应的标注信息对初始支持向量机模型进行训练,得...

【专利技术属性】
技术研发人员:周晓玲石健
申请(专利权)人:深圳市英维克信息技术有限公司
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 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。

1