[发明专利]预测性维护方法和装置

说明书

本发明提供了预测性维护方法和装置，该方法包括：获取需要进行预测性维护的目标设备的运行信息；将运行信息输入到预先构建的知识图谱，以由知识图谱输出第一特征向量；将运行信息输入到预先构建的机器学习模型，以由机器学习模型输出第二特征向量；对第一特征向量和第二特征向量进行融合处理，得到融合特征；将融合特征输入到预先构建的预测模型，以由预测模型输出预测性维护信息。本方案能够提高预测性维护结果的可靠性。

技术领域

本发明涉及计算机技术领域，特别涉及预测性维护方法和装置。

背景技术

预测性维护是指根据当前运行的设备的历史运行数据，预测设备未来的运行状态，并基于所预测的运行状态制定相应的维护计划。因此，预测性维护是智能制造领域中的核心应用之一，是数字化制造过程中必要的设备健康管理手段。

目前，现有的预测性维护方法，通常依靠经验丰富的工程师根据历史经验对当前运行设备的运行数据进行预测判断，然而采用人工预测判断的方式主观性较强，从而导致得到的预测性维护的结果准确率较低。

发明内容

本发明提供了预测性维护方法和装置，能够提高预测性维护结果的可靠性。

第一方面，本发明实施例提供了预测性维护方法，

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。

在一种可能的设计中，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。

在一种可能的设计中，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。

在一种可能的设计中，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，m表征第i个特征向量中分向量的个数；