[发明专利]设备运行状态检测方法、装置、设备及存储介质

说明书

本申请公开了一种设备运行状态检测方法、装置、设备及存储介质，本申请预先配置有故障诊断模型，该故障诊断模型能够处理对设备采集的声音数据，并输出用于衡量声音数据偏离正常运行态程度的偏离误差，在此基础上，本申请可以获取对目标设备所采集的声音数据，进而利用故障诊断模型来处理该声音数据，得到衡量声音数据偏离正常运行态程度的偏离误差，进一步基于该偏离误差以及预置的偏离误差阈值，可以确定出目标设备的运行状态，也即确定目标设备是否发生故障。基于此，能够高效、及时的检测目标设备的运行状态，也即当目标设备故障时能够及时发现该故障，减少故障持续时间造成的损失。

技术领域

本申请涉及工业检测技术领域，更具体的说，是涉及一种设备运行状态检测方法、装置、设备及存储介质。

背景技术

设备运行状态检测主要是为了检测设备的运行状态，如检测设备是否正常运行或出现故障异常。以工业设备为例，若工业设备出现故障异常，需要及时进行决策和维护，从而提高工业企业的设备维护效率，减少生产线异常停工损失。

在现有技术中，一般由经验丰富的设备运维人员对工业设备进行巡检，以确定工业设备是否出现故障异常。但是，由于物联网中的工业设备众多，且不同工业设备的运行情况各种各样，人工巡检不仅效率低，还存在故障异常发现不够及时的问题。

发明内容

鉴于上述问题，提出了本申请以便提供一种设备运行状态检测方法、装置、设备及存储介质，以解决现有人工巡检效率低、故障异常发现不及时的问题。具体方案如下：

一种设备运行状态检测方法，包括：

获取对目标设备所采集的声音数据；

利用预置的故障诊断模型处理所述声音数据，并输出用于衡量所述声音数据偏离正常运行态程度的偏离误差；

基于所述偏离误差以及预置的偏离误差阈值，确定所述目标设备的运行状态。

优选地，所述故障诊断模型的训练过程，包括：

获取所述目标设备处于正常运行态时的训练声音数据；

利用故障诊断模型处理所述训练声音数据，以得到用于衡量所述训练声音数据偏离正常运行态程度的偏离误差；

以所述偏离误差趋近于零为训练目标，训练所述故障诊断模型，得到训练后的故障诊断模型。

优选地，所述利用故障诊断模型处理所述训练声音数据，以得到用于衡量所述训练声音数据偏离正常运行态程度的偏离误差，包括：

提取所述训练声音数据的声学特征；

利用故障诊断模型处理所述声学特征，以得到隐层重建特征，计算所述声学特征和所述隐层重建特征间的偏离误差，所述偏离误差用于衡量所述训练声音数据偏离正常运行态的程度。

优选地，所述利用预置的故障诊断模型处理所述声音数据，并输出用于衡量所述声音数据偏离正常运行态程度的偏离误差，包括：

利用故障诊断模型的输入层，接收所述声音数据的声学特征；

利用故障诊断模型的特征处理层，处理所述声学特征并生成隐层重建特征；

利用故障诊断模型的偏离误差计算层，计算所述声学特征与所述隐层重建特征间的偏离误差，所述偏离误差用于衡量所述声音数据偏离正常运行态的程度。

优选地，所述偏离误差阈值的确定过程，包括：

利用预置的故障诊断模型处理各条训练声音数据，得到每条训练声音数据对应的偏离误差，其中所述训练声音数据为采集的目标设备处于正常运行态时的声音；

将各条训练声音数据的偏离误差按照大小进行升序或降序排列；