[发明专利]一种设备故障预测的方法及装置

说明书

本发明公开了一种设备故障预测的方法及装置，该方法包括获取当前时刻的设备的数据信息，所述数据信息包括设备机型和设备数据，对设备数据进行预处理，确定出设备数据对应的特征的值，确定特征的值是否大于预设阈值，若是，则根据设备机型对应的超前滞后时间，对设备数据进行故障预测，其中，设备机型对应的超前滞后时间是对同一设备机型的预设周期内的历史设备数据进行分析得到的。通过依据对预设周期内的历史设备数据进行相关性分析和超前滞后分析得到的超前滞后时间来进行故障预测，可以提高故障预测的准确性，减少系统资源，降低系统能耗。

技术领域

本发明实施例涉及数据处理技术领域，尤其涉及一种设备故障预测的方法及装置。

背景技术

设备的生命周期要经历：健康状态、亚健康状态、故障状态。亚健康状态数据接近于健康状态，很难有办法直接将亚健康状态与健康状态相分离，而故障状态与前两者直接区别较为明显。

目前业界常用的方案是基于当前状态，利用RNN神经网络进行模型训练，然后预测将来较短周期内(如7天)的状态，如果预测的将来时间段设备状态为故障状态，则可以倒退，当前状态是亚健康状态，于是可以采取一系列向用户的推送服务：保养、检查、清洗等，实现盈利。

这种预测方式的缺点是：RNN神经网络，会耗费大量资源，且学习过程缓慢，不能实现实时计算。

发明内容

本发明实施例提供一种设备故障预测的方法及装置，用以解决目前门锁低电量一定时间后无法开锁的问题。

第一方面，本发明实施例提供一种设备故障预测的方法，包括：

获取当前时刻的设备的数据信息，所述数据信息包括设备机型和设备数据；

对所述设备数据进行预处理，确定出所述设备数据对应的特征的值；

确定所述特征的值是否大于预设阈值，若是，则根据所述设备机型对应的超前滞后时间，对所述设备数据进行故障预测；

其中，所述设备机型对应的超前滞后时间是对同一设备机型的预设周期内的历史设备数据进行分析得到的。

上述技术方案中，通过依据对预设周期内的数据进行相关性分析和超前滞后分析得到的超前滞后时间来进行故障预测，可以提高故障预测的准确性，减少系统资源，降低系统能耗。

可选的，所述对同一设备机型的预设周期内的历史设备数据进行分析得到所述设备机型对应的超前滞后时间，包括：

获取同一设备机型的预设周期内各种类型的历史设备数据；

针对任一种类型的历史设备数据，按照第一时间间隔对所述类型的历史设备数据进行预处理，得到各所述第一时间间隔对应的特征的值；根据各所述第一时间间隔对应的特征的值，确定出所述类型的第二时间间隔内的历史设备数据；其中，所述第二时间间隔包括多个所述第一时间间隔；

对任意两种类型的相同第二时间间隔内的历史设备数据进行基于频繁项集的相关性分析，得到相关性大于相关性阈值的多组历史设备数据；

对所述多组历史设备数据进行超前滞后分析，得到所述设备机型对应的超前滞后时间。

可选的，所述特征包括振幅、周期、直流分量和标志位；

所述根据各所述第一时间间隔对应的特征的值，确定出所述类型的第二时间间隔内的历史设备数据，包括：