[发明专利]一种面向制造业的设备故障辅助诊断方法及系统

权利要求书

1.一种面向制造业的设备故障辅助诊断方法，其特征在于，包括：

生成待诊断设备运转状态的预测值；

实时监控所述待诊断设备运转状态的真实值；

基于所述预测值与所述真实值的差值判断所述待诊断设备是否故障；

其中，所述生成待诊断设备运转状态的预测值的过程包括：

以设定频率采集待诊断设备的历史实时运转数据；

统计在第一预设时长内历史实时运转数据的分布特征，并生成在第二预设时长内历史实时运转数据的时序特征；

利用所述分布特征训练特征分类器，以通过所述特征分类器预测未来运转情况的第一特征值；利用所述时序特征训练特征回归器，以通过所述特征回归器预测未来运转情况的第二特征值；

将所述第一特征值和所述第二特征值进行特征融合，以生成所述预测值。

2.根据权利要求1所述的面向制造业的设备故障辅助诊断方法，其特征在于，判断所述待诊断设备是否故障的过程包括：

将所述预测值与所述真实值的差值作为逻辑回归分类器的输入，依据逻辑回归分类器的输出判断所述待诊断设备是否故障。

3.根据权利要求1所述的面向制造业的设备故障辅助诊断方法，其特征在于，还包括：

在判断出所述待诊断设备故障时，计算当前故障对应的各真实值特征权重，然后根据所述特征权重和所述各真实值为用户提供可视化排查参考数据。

4.根据权利要求1所述的面向制造业的设备故障辅助诊断方法，其特征在于，采用时间序列滑动窗口方式生成所述时序特征，且滑动窗口的时长小于或等于所述第二预设时长。

5.根据权利要求2所述的面向制造业的设备故障辅助诊断方法，其特征在于，

通过如下方式训练所述逻辑回归分类器：

S1，使用逻辑回归分类器对当前主动学习样本集的样本进行分类，以得到每个主动学习样本集里的样本的分类结果；

S2，对分类结果概率在预设区间的样本进行人工标注，并将标注好的样本加入到训练集里；

S3，使用当前所有标注的训练样本对当前逻辑回归分类器进行参数调整，以更新当前逻辑回归分类器；

S4，验证当前逻辑回归分类器的分类准确度是否达到设定值或者主动学习样本集里没有无标注的样本，则结束迭代，否则循环执行S1～S4。

6.一种面向制造业的设备故障辅助诊断系统，其特征在于，包括：

状态预测模块，用于生成待诊断设备运转状态的预测值；

状态监控模块，用于实时监控所述待诊断设备运转状态的真实值；

故障判断模块，用于基于所述预测值与所述真实值的差值判断所述待诊断设备是否故障；

其中，所述状态预测模块包括：

数据采集单元，用于以设定频率采集待诊断设备的历史实时运转数据；

特征提取单元，用于统计在第一预设时长内历史实时运转数据的分布特征，并用于生成在第二预设时长内历史实时运转数据的时序特征；

初步预测单元，用于利用所述分布特征训练特征分类器，以通过所述特征分类器预测未来运转情况的第一特征值；以及用于利用所述时序特征训练特征回归器，以通过所述特征回归器预测未来运转情况的第二特征值；

特征融合单元，用于将所述第一特征值和所述第二特征值进行特征融合，以生成所述预测值。

7.根据权利要求6所述的面向制造业的设备故障辅助诊断系统，其特征在于，

所述故障判断模块，用于将所述预测值与所述真实值的差值作为逻辑回归分类器的输入，依据逻辑回归分类器的输出判断所述待诊断设备是否故障；逻辑回归分类器的训练集包括带标注样本的训练数据。

8.根据权利要求6所述的面向制造业的设备故障辅助诊断系统，其特征在于，还包括：

排查参考模块，用于在所述待诊断设备故障时计算当前故障对应的各真实值特征权重，以及用于根据所述特征权重和所述各真实值为用户提供可视化排查参考数据。