[发明专利]用于设备故障检测的方法及终端设备

说明书

本发明提供了用于设备故障检测的方法及终端设备，该方法包括：S10：建立故障学习模型；S20：获取各个数据节点的实时设备运行参数；S30：若所述实时设备运行参数与所述第i+1刻设备运行预测值不小于预设偏差值，发出设备故障信号。本发明的用于设备故障检测的方法能够及时的检测出设备的故障，以增加故障检测的效率。

技术领域

本发明属于线性回归技术领域，尤其涉及用于设备故障检测的方法及终端设备。

背景技术

PySyft是联邦学习开源社区的一种算法框架，提供数据节点间通信和PyTorch算法库，但对于线性回归还没有进行实现。

目前已经有的技术方案，另一款框架FATE实现的线性回归，主要依赖数据节点之间的直接通信，而不是依赖可信服务端数据节点。这个方案需要频繁使用同态加密来保证隐私保护，有可能导致加密计算消耗效率，从而导致设备故障检测效率较低。

发明内容

有鉴于此，本发明实施例提供了用于设备故障检测的方法及终端设备，以解决现有技术中故障检测效率过低的问题。

本发明实施例的第一方面提供了一种用于设备故障检测的方法，其中，所述方法包括：

S10：建立故障学习模型，其中，所述建立故障学习模型包括：S101：选择多个数据节点中的第一数据节点作为发起者且选择除所述第一数据节点之外的数据节点作为响应者；S102：获取所述发起者和所述响应者的与第i时刻相对应的第i刻设备运行参数和与第i+1时刻相对应的第i+1刻设备运行参数，其中，i为大于0的自然数；S103：基于所述响应者的第i刻设备运行参数，通过第一函数计算得到第i刻响应值，基于所述响应者的第i+1刻设备运行参数，通过所述第一函数计算得到第i+1刻响应值；S104：基于所述发起者的第i刻设备运行参数和所述第i刻响应值，通过第二函数计算得到第i刻设备运行参数预测值，基于所述发起者的第i+1刻设备运行参数和所述第i+1刻响应值，通过所述第二函数计算得到第i+1刻设备运行预测值；S105：若所述第i+1刻设备运行预测值与所述第i刻设备运行预测值之间的差值不大于预设值，发出终止信号且停止训练；

S20：获取各个数据节点的实时设备运行参数；

S30：若所述实时设备运行参数与所述第i+1刻设备运行预测值不小于预设偏差值，发出设备故障信号。

如上所述的用于设备故障检测的方法，其中，所述第i刻设备运行参数和所述第i+1刻设备运行参数均包括多个数据节点中的各个数据节点的权重和设备运行数据。

如上所述的用于设备故障检测的方法，其中，所述第一函数为所述响应者的权重和设备运行数据的乘积的响应总和。

如上所述的用于设备故障检测的方法，其中，所述第二函数为所述发起者的权重和设备运行数据的乘积与所述响应总和之和减去目标值。

如上所述的用于设备故障检测的方法，其中，步骤S105包括：

将所述第i刻设备运行预测值和所述第i+1刻设备运行预测值分发给各个数据节点；

基于所述第i刻设备运行预测值和各个数据节点的所述第i刻设备运行参数中的数据量，通过第三函数得到各个数据节点的第i刻梯度值；

基于所述第i+1刻设备运行预测值和各个数据节点的所述第i+1刻参数中的设备运行数据，通过所述第三函数得到各个数据节点的第i+1刻梯度值；

若各个数据节点的第i+1刻梯度值与相应的数据节点的第i刻梯度值之间的差值均不大于预设梯度值，发出终止信号，停止训练。

如上所述的用于设备故障检测的方法，其中，若所述第i+1刻设备运行预测值与所述第i刻设备运行预测值之间的差值大于预设值，重复步骤S102至步骤S104直至所述第i+1刻设备运行预测值与所述第i刻设备运行预测值之间的差值不大于所述预设值。