[发明专利]一种工业设备检测方法、装置、设备及可读存储介质

说明书

本申请公开了一种工业设备检测方法，包括：获取用户基于人机交互界面选择的目标机器学习算法和模型参数，模型参数为利用目标机器学习算法训练模型时涉及的参数；利用目标机器学习算法和模型参数训练获得用于分析工业设备的状态参数的目标模型；将目标工业设备的状态参数输入目标模型，输出目标工业设备的检测结果。该方案利用机器学习算法训练获得的模型分析工业设备的状态参数，能够提高工业设备的检测效率，以及检测结果的准确率和全面性。同时，用户自由选择训练模型的机器学习算法和模型参数，从而提高了模型训练的灵活性，降低了训练模型的技术要求。本申请公开的一种工业设备检测装置、设备及可读存储介质，也同样具有上述技术效果。

技术领域

本申请涉及数据分析技术领域，特别涉及一种工业设备检测方法、装置、设备及可读存储介质。

背景技术

在现有技术中，为了检测工业设备的运行状态，需要对工业设备的状态参数进行分析和检测。通常情况下，由经验丰富的设备运维人员对这些状态参数逐一进行检测和计算，从而确定工业设备的运行状态。

但是，由于物联网中的工业设备众多，且不同工业设备的状态参数各种各样，因此人工检测计算难免效率低下。同时，由于人工只能逐一检测状态参数，无法对一个工业设备的所有状态参数进行全局考量，因此现有的检测方法具有明显的片面性。人工检测难免会出现疏漏，因此现有检测方法也无法保障检测结果的准确性和精度。

因此，如何提高工业设备的检测效率和检测结果的准确率，是本领域技术人员需要解决的问题。

发明内容

有鉴于此，本申请的目的在于提供一种工业设备检测方法、装置、设备及可读存储介质，以提高工业设备的检测效率和检测结果的准确率。其具体方案如下：

第一方面，本申请提供了一种工业设备检测方法，包括：

获取用户基于人机交互界面选择的目标机器学习算法和模型参数，模型参数为利用目标机器学习算法训练模型时涉及的参数；

利用目标机器学习算法和模型参数训练获得用于分析工业设备的状态参数的目标模型；

将目标工业设备的状态参数输入目标模型，输出目标工业设备的检测结果。

优选地，利用目标机器学习算法和模型参数训练获得用于分析工业设备的状态参数的目标模型，包括：

获取用于训练目标模型的训练状态参数；

根据用户基于人机交互界面选择的预处理方法对训练状态参数进行预处理；

利用目标机器学习算法和模型参数对预处理后的训练状态参数进行处理，直至获得符合预设要求的模型；

将符合预设要求的模型确定为目标模型。

优选地，还包括：

在目标模型的训练过程中，获取用户基于人机交互界面选择的模型参数的更新值，利用更新值和目标机器学习算法训练目标模型。

优选地，将符合预设要求的模型确定为目标模型之后，还包括：

按照预设的评估指标对目标模型的训练过程进行评估，获得评估结果，并将评估结果进行可视化展示。

优选地，将目标工业设备的状态参数输入目标模型，输出目标工业设备的检测结果之前，还包括：

获取用户基于人机交互界面选择的目标工业设备的状态参数。

优选地，还包括：

若用户基于人机交互界面选择多个目标机器学习算法，以及每个目标机器学习算法对应的模型参数，则分别训练获得每个目标机器学习算法对应的目标模型；

将测试状态参数分别输入每个目标模型，输出与每个目标模型对应的测试结果；