[发明专利]故障检测方法、装置、系统、计算机设备及可读存储介质

说明书

本申请涉及自动检测领域，特别是涉及一种故障检测方法、装置、系统、计算机设备及可读存储介质。所述方法包括：获取待检测设备的全量振动数据；对全量振动数据进行特征提取，生成对应待检测设备的特征数据；基于特征数据，对全量振动数据进行分类，得到对应的正样本数据以及负样本数据；确定对应正样本数据以及负样本数据的数据上传比例，并按照数据上传比例将正样本数据和/或负样本数据上传至云边检测系统的云服务器，使得云服务器可以基于上传的正样本数据和/或负样本数据对待检测设备进行故障检测。采用本方法能够减少上传资源耗费。

技术领域

本申请涉及自动检测领域，特别是涉及一种故障检测方法、装置、系统、计算机设备及可读存储介质。

背景技术

随着工业4.0的发展，智慧核电厂生产设备普遍具有互连接性，并越来越多地使用工业物联网进行状态感知。尤其是5G技术的发展，为工业互联网提供了大带宽、高可靠、低时延的连接，使得数据高速发送到云计算数据中心将成为可能。对于类似核电厂等因机器设备故障而非计划停机将造成较大损失的行业，有迫切的技术需求和经济利益要求将传统方式中对设备进行计划检修或事后维修转而向预测性维修，即通过预测故障的方式进行预测维修。因此，越来越多的企业致力于从他们的设备中获取更多的数据来进行状态监测。连续的监测数据采集能够更全面深入的分析判断设备状态，从而为设计改进、运行优化、状态检修提供决策支持。为了从这些检测数据中提取有用的信息，需要充分有效的处理算法来执行状态评估和故障预测。

然而，对于具有庞杂设备群的电厂来说，由于有线或移动连接的带宽有限，连续、高频采样的数据流的数据量巨大，全部上传云计算中心(即云服务器)在造成巨大资源耗费，且影像数据上传的实效性。

发明内容

基于此，有必要针对上述技术问题，提供一种能够减少上传资源耗费的故障检测方法、装置、系统、计算机设备及可读存储介质。

一种故障检测方法，应用于云边检测系统的边缘计算设备中，所述方法包括：

获取待检测设备的全量振动数据；

对全量振动数据进行特征提取，生成对应待检测设备的特征数据；

基于特征数据，对全量振动数据进行分类，得到对应的正样本数据以及负样本数据；

确定对应正样本数据以及负样本数据的数据上传比例，并按照数据上传比例将正样本数据和/或负样本数据上传至云边检测系统的云服务器，使得云服务器可以基于上传的正样本数据和/或负样本数据对待检测设备进行故障检测。

在其中一个实施例中，对全量振动数据进行特征提取，生成对应待检测设备的特征数据，包括：

根据全量振动数据，得到对应的原始波形；

对原始波形进行滤波处理，得到滤波后的振动波形；

基于滤波后的振动波形进行特征提取，生成对应待检测设备的特征数据。

在其中一个实施例中，基于滤波后的振动波形进行特征提取，生成对应待检测设备的特征数据，包括：

对滤波后的振动波形进行频谱变换，生成对应的频谱图；

对频谱图进行特征提取，生成对应待检测设备的特征数据。

在其中一个实施例中，频谱图包括幅值频谱、功率频谱以及倒频谱中至少一个。

在其中一个实施例中，基于滤波后的振动波形进行特征提取，生成对应待检测设备的特征数据，包括：

对滤波后的振动波形进行特征计算，得到对应待检测设备的第一特征数据；

对滤波后的振动波形进行阶比分析，生成对应的阶比谱；

基于阶比谱，得到对应待检测设备的第二特征数据；