[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

说明书

本发明公开了一种面向制造业的设备故障辅助诊断方法及系统，该方法包括但不限于如下的过程：生成待诊断设备运转状态的预测值；实时监控待诊断设备运转状态的真实值；基于预测值与真实值的差值判断待诊断设备是否故障。该系统包括但不限于状态预测模块、状态监控模块以及故障判断模块；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待诊断设备运转状态的真实值，故障判断模块用于基于预测值与真实值的差值判断待诊断设备是否故障。本发明能够有效辅助维修人员判断被监控的设备是否发生故障，具有故障诊断时间短、人力成本低、对人员经验和技术水平依赖小等优点，进而能够提高制造业的设备运维效率和生产效益。

技术领域

本发明涉及机器学习技术领域，更为具体来说，本发明涉及一种面向制造业的设备故障辅助诊断方法及系统。

背景技术

目前，越来越多的制造业企业已开始推行数字化、自动化和智能化的改造，从而提升制造效率和制造质量、降低运营成本和人力成本。可见高稳定性和高可靠性的制造系统将会是企业提升生产效率的重要保障。

制造业企业的设备故障诊断往往依靠人工巡检维护，巡检人员需每天定时巡视机器，发现故障再上报给维修人员，维修人员根据故障大小采取不同的措施，进而反馈给车间主任，再汇报给工厂厂长等。显而易见地，人工巡检方式整个流程耗费了大量人力资源、人力成本较高，而且对巡检人员的经验和技术水平有较高的要求且存在依赖性，设备诊断的时间长、检修周期短、维护效率低，无法实时跟踪设备运转状况，所以现有的人工巡检维护方案无法保证制造系统的稳定性和可靠性，无法实现制造业企业数字化、自动化和智能化的改造。

虽然有人提出了设备故障的智能化诊断方案，但由于其技术上存在的局限，仍存在人力成本较高、对人员的经验和技术水平依赖较大以及设备故障诊断时间较长等问题。

发明内容

为了解决制造业设备的现有故障诊断方案存在的人力成本较高、故障诊断时间较长、对人员依赖过大等问题，本发明创新提供了一种面向制造业的设备故障辅助诊断方法及系统。

为实现上述技术目的，本发明具体公开了一种面向制造业的设备故障辅助诊断方法，该方法包括但不限于如下过程：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。

进一步地，所述生成待诊断设备运转状态的预测值的过程包括但不限于如下过程：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。

进一步地，判断所述待诊断设备是否故障的过程包括但不限于如下过程：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。

进一步地，该方法还包括：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。

进一步地，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。

进一步地，所述分布特征为低频特征，所述时序特征为高频特征；且所述第一预设时长大于所述第二预设时长。

进一步地，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；