[发明专利]识别设备运行状态的方法、状态识别模型训练方法及装置

权利要求书

1.一种识别设备运行状态的方法，其特征在于，包括：

根据目标设备的运行状态时序数据包含的拐点，将所述运行状态时序数据沿所述拐点划分为多个待识别子序列；

生成待识别特征集合，所述待识别特征集合包括分别对应于各个待识别子序列的待识别特征；

将所述待识别特征集合输入至状态识别模型，所述状态识别模型的训练样本集合包括分别对应于各个历史子序列的样本特征，其中所述历史子序列由历史运行状态时序数据基于所包含的拐点进行划分得到；

根据所述状态识别模型的输出结果，确定所述目标设备的运行状态。

2.根据权利要求1所述的方法，其特征在于，

所述样本特征包括：对相应的历史子序列所包含的数据进行统计得到的统计特征；

所述待识别特征包括：对相应的待识别子序列所包含的数据进行统计得到的统计特征。

3.根据权利要求2所述的方法，其特征在于，所述统计特征包括以下至少之一：平均值、中位数、标准差。

4.根据权利要求2所述的方法，其特征在于，

所述样本特征还包括：相应的历史子序列与其他历史子序列之间的时序关系；

所述待识别特征还包括：相应的待识别子序列与其他待识别子序列之间的时序关系。

5.根据权利要求2所述的方法，其特征在于，

所述样本特征还包括：对相应的历史子序列所包含的数据进行定量递归分析计算得到的统计属性参数特征；

所述待识别特征还包括：对相应的待识别子序列所包含的数据进行定量递归分析计算得到的统计属性参数特征。

6.根据权利要求5所述的方法，其特征在于，所述统计属性参数特征包括以下至少之一：递归率、确定率、仙农熵、最长对角线因子、趋势。

7.根据权利要求1所述的方法，其特征在于，所述根据所述状态识别模型的输出结果，确定所述目标设备的运行状态，包括：

从所述状态识别模型分别针对各个待识别子序列输出的异常概率中，确定最大异常概率；

当所述最大异常概率达到预设阈值时，确定所述目标设备的运行状态为异常状态；当所述最大异常概率未达到所述预设阈值时，确定所述目标设备的运行状态为正常状态。

8.根据权利要求1所述的方法，其特征在于，还包括：

当所述运行状态时序数据存在数据缺失时，采用相邻数据的中心差值对缺失数据进行填充。

9.根据权利要求1所述的方法，其特征在于，所述样本特征被标记了对应的设备历史运行状态。

10.一种状态识别模型训练方法，其特征在于，包括：

根据设备的历史运行状态时序数据包含的拐点，将所述历史运行状态时序数据沿所述拐点划分为多个历史子序列；

生成训练样本集合，所述训练样本集合包括分别对应于各个历史子序列的样本特征；

对所述训练样本集合进行模型训练，得到状态识别模型。

11.根据权利要求10所述的方法，其特征在于，所述状态识别模型用于：在目标设备的运行状态时序数据被基于所包含的拐点而划分为多个待识别子序列的情况下，将各个待识别子序列对应的待识别特征作为输入，以得到相应的输出结果，所述输出结果用于确定所述目标设备的运行状态。

12.根据权利要求10所述的方法，其特征在于，所述样本特征被标记了对应的设备历史运行状态。