[发明专利]煤机生产设备的设备检测方法及装置

说明书

本发明提供一种煤机生产设备的设备检测方法及装置，其方法包括获取传感器采集的煤机生产设备的设备运行数据；将所述设备运行数据输入预设的预测模型，生成所述煤机生产设备的特征参数值；根据特征参数值和对应的预设故障阈值对所述煤机生产设备进行故障报备或预警；本发明通过获取传感器采集的设备运行数据，结合预测模型来对设备运行数据进行检测，得到设备异常的特征值，进而可以对设备的运行状态进行预警和故障报备等，解决了目前的故障分析因缺少设备运行数据导致准确度低的问题，避免因为煤机设备产生的故障造成人员安全问题及生产经济损失，提前的预警有利于煤矿企业的生产效益提升。

技术领域

本发明属于深度学习领域，更具体的，涉及一种煤机生产设备的设备检测方法及装置。

背景技术

现在煤矿上所使用的安全预警系统比较普遍，其中主要使用基于GIS技术所开发的煤矿预警，这种基于GIS技术开发的煤矿预警系统是目前市面上煤矿企业使用的比较广泛的一种预警设计方案。GIS全称为地理信息系统，可以在计算机硬、软件系统的支持下，对整个煤矿空间有关的地理数据进行采集、存储、管理、运算、分析、显示和描述，所以对整个煤矿的整体地理信息有个比较详细的分析。而这种基于GIS技术开发的预警系统，就是利用GIS信息采集平台对危险源信息进行有效的采集处理，利用开发的风险预警模型对采集的信息进行数据挖掘分析等，得出风险预警结论，并进行图形化的展示。主要的预警信息可以集中在矿产资源的分析与评估、煤矿大型建筑的管理等。

现在市面上主流的系统所采用的方法都只是针对部分的井下环境参数，例如瓦斯、二氧化碳浓度等，无法采集关于煤机传感设备的数据，无法对于煤机生产设备的使用情况及安全进行全面分析预警。

发明内容

为了解决目前双目立体视觉技术存在的上述问题的至少一个，本发明提供一种煤机生产设备的设备检测方法，包括：

获取传感器采集的煤机生产设备的设备运行数据；

将所述设备运行数据输入预设的预测模型，生成所述煤机生产设备的特征参数值；

根据特征参数值和对应的预设故障阈值对所述煤机生产设备进行故障报备或预警；

其中，所述预测模型通过所述煤机生产设备的历史设备运行数据训练得到。

在某些实施例中，所述预测模型包括卷积网络模型，其中，建立所述卷积网络模型的步骤包括：

设置输入层、卷积层、池化层、全连接层以及卷积网络输出层；

其中，所述卷积层的输入为设备运行数据，输出为每个煤机生产设备的多个第一特征向量；所述第一特征向量根据设定的卷积核和卷积函数对设备运行数据形成的向量矩阵进行卷积得到；

所述池化层的输入为所述卷积层的输出，输出为由至少多个第一特征向量随机连接形成的多个第二特征向量；

所述全连接层的输入为所述池化层的输出，输出为由所有第二特征向量连接形成的全连接特征向量；

所述卷积网络输出层的输入为所述全连接层的输出。

在某些实施例中，所述预测模型还包括支持向量机模型，其中，建立所述支持向量机模型的步骤包括：

建立支持向量机的线性模型表达式，其中所述线性模型表达式的输入是所述卷积网络模型的输出；

设置支持向量机的核函数。

在某些实施例中，根据特征参数值和对应的预设故障阈值对所述煤机生产设备进行故障报备或预警，包括：

判断所述预测模型输出的特征参数值是否高于对应煤机生产设备的预设故障阈值，若高于，对所述煤机生产设备进行故障报备；