[发明专利]设备故障预测方法、装置、设备故障预测平台及介质

说明书

本申请提供一种设备故障预测方法、装置、设备故障预测平台及介质，涉及故障预测技术领域。该方法包括：获取目标设备的状态数据集，该状态数据集中包括该目标设备的多个维度的状态数据；对该状态数据集中各维度的状态数据进行分析处理，构建特征向量；将该特征向量输入预先训练的故障预测模型，得到该故障预测模型输出的该目标设备的故障类型。应用本申请实施例，可以对设备故障类型进行提前预测，进而避免“维修不足”、“过剩维修”或者“维修性故障”的现象。

技术领域

本申请涉及故障预测技术领域，具体而言，涉及一种设备故障预测方法、装置、设备故障预测平台及介质。

背景技术

设备的与测试维护是当前的一个重要话题，也是智能制造业亟待解决的问题，而设备的故障诊断是实现预测性维护的前提。

目前，主要以时间为维度，定期对设备进行检测来保证设备长期稳定运行。然而，这种方式存在“维修不足”、“过剩维修”或者“维修性故障”的现象。

发明内容

本申请的目的在于，针对上述现有技术中的不足，提供一种设备故障预测方法、装置、设备故障预测平台及介质，可以对设备故障类型进行提前预测，进而避免“维修不足”、“过剩维修”或者“维修性故障”的现象。

为实现上述目的，本申请实施例采用的技术方案如下：

第一方面，本申请实施例提供了一种设备故障预测方法，所述方法包括：

获取目标设备的状态数据集，所述状态数据集中包括所述目标设备的多个维度的状态数据；

对所述状态数据集中各维度的状态数据进行分析处理，构建特征向量；

将所述特征向量输入预先训练的故障预测模型，得到所述故障预测模型输出的所述目标设备的故障类型。

可选地，所述对所述状态数据集中各维度的状态数据进行分析处理，构建特征向量，包括：

确定所述状态数据集中各维度的状态数据之间的相关系数；

根据所述相关系数，构建所述特征向量。

可选地，所述确定所述状态数据集中各维度的状态数据之间的相关系数之前，所述方法还包括：

对所述状态数据集中各维度的状态数据进行预处理，得到预处理后的状态数据集；

所述确定所述状态数据集中各维度的状态数据之间的相关系数，包括：

确定预处理后的状态数据集中各维度的状态数据之间的相关系数。

可选地，所述状态数据集中包括频率状态数据，所述得到所述故障预测模型输出的所述目标设备的故障类型之后，所述方法还包括：

对所述状态数据集中的频率状态数据进行频谱分析，得到频谱分析结果；

根据所述频谱分析结果，确定所述目标设备中发生所述故障类型的单元装置。

可选地，将所述特征向量输入预先训练的故障预测模型，得到所述故障预测模型输出的所述目标设备的故障类型之前，所述方法还包括：

根据多个设备的历史状态数据，构建训练样本以及测试样本；

使用所述训练样本训练初始故障预测模型，得到中间故障预测模型；

使用所述测试样本对所述中间故障预测模型进行预测，得到所述故障预测模型。

可选地，所述将所述特征向量输入预先训练的故障预测模型，得到故障预测模型输出的所述目标设备的故障类型之后，所述方法还包括：

根据所述目标设备的故障类型，生成并输出预警信息。

可选地，所述方法还包括：