[发明专利]一种故障诊断的深度学习模型自适应更新的方法及装置

权利要求书

1.一种故障诊断的深度学习模型自适应更新的方法，其特征在于，包括：

获取设备数据；

根据所述设备数据和分类模型，确定所述设备数据是否为新的故障数据；

若是，则根据所述新的故障数据，更新所述分类模型和深度学习模型；

其中，所述分类模型为孤立森林模型；将所述设备数据输入至所述孤立森林模型中，得到所述设备数据对应距离根节点的深度；若所述设备数据对应距离根节点的深度大于所述孤立森林模型的深度，则确定所述设备数据为新的故障数据，否则确定所述设备数据不是新的故障数据。

2.如权利要求1所述的方法，其特征在于，若所述设备数据不是新的故障数据，则根据所述设备数据和深度学习模型进行故障预测。

3.如权利要求1所述的方法，其特征在于，所述根据所述新的故障数据，更新所述分类模型和深度学习模型，包括：

将所述新的故障数据加入训练样本中；

使用预设的分类模型和预设的深度学习模型对加入所述新的故障数据的训练样本重新进行训练学习，得到更新后的所述分类模型和更新后的所述深度学习模型。

4.一种故障诊断的深度学习模型自适应更新的装置，其特征在于，包括：

获取单元，用于获取设备数据；

处理单元，用于根据所述设备数据和分类模型，确定所述设备数据是否为新的故障数据；若是，则根据所述新的故障数据，更新所述分类模型和深度学习模型；其中，所述分类模型为孤立森林模型；

所述处理单元，还用于将所述设备数据输入至所述孤立森林模型中，得到所述设备数据对应距离根节点的深度；若所述设备数据对应距离根节点的深度大于所述孤立森林模型的深度，则确定所述设备数据为新的故障数据，否则确定所述设备数据不是新的故障数据。

5.如权利要求4所述的装置，其特征在于，所述处理单元还用于：

若所述设备数据不是新的故障数据，则根据所述设备数据和深度学习模型进行故障预测。

6.如权利要求4所述的装置，其特征在于，所述处理单元具体用于：

将所述新的故障数据加入训练样本中；

使用预设的分类模型和预设的深度学习模型对加入所述新的故障数据的训练样本重新进行训练学习，得到更新后的所述分类模型和更新后的所述深度学习模型。

7.一种计算设备，其特征在于，包括：

存储器，用于存储程序指令；

处理器，用于调用所述存储器中存储的程序指令，按照获得的程序执行权利要求1至3任一项所述的方法。

8.一种计算机可读非易失性存储介质，其特征在于，包括计算机可读指令，当计算机读取并执行所述计算机可读指令时，使得计算机执行如权利要求1至3任一项所述的方法。