[发明专利]预测性维护方法和装置

权利要求书

1.预测性维护方法，其特征在于，包括：

获取需要进行预测性维护的目标设备的运行信息；

将所述运行信息输入到预先构建的知识图谱，以由所述知识图谱输出第一特征向量；

将所述运行信息输入到预先构建的机器学习模型，以由所述机器学习模型输出第二特征向量；

对所述第一特征向量和所述第二特征向量进行融合处理，得到融合特征；

将所述融合特征输入到预先构建的预测模型，以由所述预测模型输出预测性维护信息；

当所述运行信息包括模拟信号时，

在所述获取需要进行预测性维护的目标设备的运行信息之后，和在所述将所述运行信息输入到预先构建的知识图谱，以由所述知识图谱输出第一特征向量之前，进一步包括：

对所述模拟信号进行降噪处理，得到降噪后的模拟信号；

根据若干个预设的特征维度对所述降噪后的模拟信号进行特征提取，得到特征信息，其中，所述特征维度包括：时域、频域和时频域中的至少一个；

所述将所述运行信息输入到预先构建的知识图谱，以由所述知识图谱输出第一特征向量，包括：

将所述特征信息作为所述运行信息输入到所述知识图谱，以由所述知识图谱输出第一特征向量；

当所述特征维度包括所述时域时，所述特征信息中包括：均值、方差、标准差、均方根、峰值因子和波形因子中的至少一个；

当所述特征维度包括所述频域时，所述特征信息中包括：均方根频率、平均频率、重心频率和频率标准差中的至少一个；

当所述特征维度包括所述时频域时，所述特征信息中包括：小波能量特征；

所述对所述第一特征向量和所述第二特征向量进行融合处理，得到融合特征，包括：

获取所述第一特征向量和所述第二特征向量中每一个分向量对应的预设权重值；

根据每一个所述预设权重值和下述第一式子，计算得到每一个所述分向量对应的权重值；

所述第一式子包括：

其中，K_ij用于表征第i个特征向量中的第j个分向量的权重值，k_ij用于表征第i个特征向量中的第j个分向量的预设权重值，p表征第i个特征向量中分向量的个数；

利用每一个所述分向量的权重值，分别对所述第一特征向量和所述第二特征向量进行计算；

对计算后的所述第一特征向量和所述第二特征向量进行归一化处理，分别得到新的第一特征向量和新的第二特征向量；

对所述新的第一特征向量和所述新的第二特征向量进行融合处理，得到所述融合特征。

2.根据权利要求1所述的方法，其特征在于，所述对所述新的第一特征向量和所述新的第二特征向量进行融合处理，得到所述融合特征，包括：

根据下述第二式子，计算所述新的第一特征向量和所述新的第二特征向量之间的相似度；

所述第二式子包括：

其中，S(μ_n,μ_m)用于表征特征向量μ_n和特征向量μ_m的相似度，i用于表征每一个特征向量中的第i个分向量，q用于表征每一个特征向量中分向量的个数；

从预设的映射关系中，获取与所述相似度相匹配的融合方法，其中，所述映射关系用于表征不同的相似度和不同的融合方法之间的关系；

根据所述融合方法对所述新的第一特征向量和所述新的第二特征向量进行融合处理，得到所述融合特征。

3.根据权利要求1-2中任一所述的方法，其特征在于，

所述预测性维护信息包括以下信息中的至少一个：运行状态健康值、维护必要程度值、剩余使用寿命值、以及至少一个维护时间和每一个维护时间对应的维护参数；

和/或，

所述知识图谱通过神经网络和专业经验实现，其中，所述专业经验是通过若干个设备的运行信息和所述若干个设备的运行信息对应的预测性维护结果获得。