[发明专利]一种设备的故障预测方法、装置、电子设备及存储介质

说明书

本申请公开了一种设备的故障预测方法、装置、电子设备及存储介质，所述方法包括：获取待监控设备的性能数据和所在区域的环境数据；性能数据对应的时间戳和环境数据对应的时间戳一致；对性能数据和环境数据进行预处理，得到关键性能数据和关键环境数据；基于故障预测模型对关键性能数据和关键环境数据进行故障预测，确定时间戳对应的故障发生概率，如此，通过故障预测模型对可以提高设备的故障预测的准确率。

技术领域

本申请涉及互联网技术领域，尤其涉及一种设备的故障预测方法、装置、电子设备及存储介质。

背景技术

随着技术飞速发展，大小型工程设备的故障的发生和预测在人们的工作和生活中越来越受到重视。现阶段大型楼宇设备的故障预测方法通常是人为掌握机械设备的故障规律，并对其运行状态劣化趋势进行预测。

人为掌握机械设备的故障规律：由于运行环境、设备操作、维修保养和出厂时间等因素的不同，机械设备在运行中一般会出现不同的故障。机械故障的发生往往会有许多特定表征。需要设备管理人员拥有丰富的经验及时发现这些表征并作出故障判断，防止严重的机械设备事故的发生。如发动机运行时出现异常响动，管理人员可以及时评估是否会出现突发性机械设备事故，如缸盖和曲轴等关键零部件被损坏。随着现代机械设备结构和材料的升级换代，传统机械设备的“浴盆曲线”故障规律已经无法全部适用于机械故障一般情况，需要工作人员重新总结经验和规律，判断机械设备运行状态、故障表征、故障发生根源和故障潜伏期。机械设备主要有磨损、变形、断裂、裂纹和腐蚀等故障类型。机械设备故障除了遵循一定的“浴盆曲线”规律以外，还遵循其它故障曲线规律，如稳定磨损期故障曲线规律，机械设备有恒定磨损期，故障率增长缓慢；新设备故障率曲线规律，运行一段时间后机械设备就逐渐表现出恒定的故障率；寿命周期内的故障曲线反映出机械设备总体稳定的故障率；机械设备开始由高的故障曲线规律，反映该机械设备初期故障率往往较高，但是中后期故障率稳定。

现有技术的最大缺陷在于特征点的局限于施工人员经验，设备的运行的自有参数，并不能完全涵盖所有的可能导致故障发生的影响因子，这种方式导致设备的故障预测的准确率比较低。

发明内容

本申请实施例提供了一种设备的故障预测方法、装置、电子设备及存储介质，可以提高设备的故障预测的准确率。

一方面，本申请实施例提供了一种设备的故障预测方法，该方法包括：

获取待监控设备的性能数据和所在区域的环境数据；性能数据对应的时间戳和环境数据对应的时间戳一致；

对性能数据和环境数据进行预处理，得到关键性能数据和关键环境数据；

基于故障预测模型对关键性能数据和关键环境数据进行故障预测，确定时间戳对应的故障发生概率；

其中，故障预测模型的训练方法包括：

获取历史时间段内的样本数据集，样本数据集表征历史时间段内每个历史时间戳对应的样本数据，样本数据包括历史关键性能数据、历史关键环境数据和历史故障信息；

为样本数据集中每个样本数据设置初始权重；

使用带有初始权重的样本数据集训练得到第一基分类器；

确定第一基分类器的误差率，并根据误差率更新样本数据集中每个样本数据的权重；

使用更新权重后的样本数据集训练得到第二基分类器；重复步骤：确定第二基分类器的误差率，并根据误差率更新样本数据集中每个样本数据的权重；

当基于样本数据集训练得到的基分类器的数量等于预设数量，将各个基分类器进行整合，得到故障预测模型。

另一方面提供了一种设备的故障预测装置，该装置包括：

获取模块，用于获取待监控设备的性能数据和所在区域的环境数据；性能数据对应的时间戳和环境数据对应的时间戳一致；