[发明专利]设备故障诊断方法、装置、电子设备及存储介质

说明书

本公开提供了一种设备故障诊断方法、装置、电子设备及存储介质。该方法包括：基于联合学习架构确定多个参与方，并获取参与方的设备在运行过程中产生的振动信号；对振动信号执行预处理操作得到信号特征数据，并对设备执行聚类操作，得到多个相似设备组；将每个参与方中同一相似设备组内的设备所对应的信号特征数据进行整合，得到训练数据，利用训练数据对多故障诊断模型进行训练得到本地模型；基于每个相似设备组对应的本地模型以及预设的模型聚合方法，对本地模型执行聚合操作，得到全局模型，利用全局模型对本地模型进行更新，基于更新后的本地模型对设备进行故障诊断。本公开能够提升设备故障诊断结果的精确度以及设备故障诊断的效率。

技术领域

本公开涉及设备故障诊断技术领域，尤其涉及一种设备故障诊断方法、装置、电子设备及存储介质。

背景技术

随着工业4.0和智慧能源的提出，工业领域对生产设备的智能控制和管理的要求越来越高，生产管理者和操作人员需要实时掌握设备的运行状态和健康程度，因此对机械设备进行实时在线监测和智能诊断的要求也越来越高。近些年来，随着在线监测设备的普及，工业领域已经积累了大量的在线监测数据，但对这些数据的使用只停留于阈值报警层面；如何更加充分利用这些监测数据进行实时智能的故障诊断已成为一个紧迫而极具挑战性的问题。

目前现有技术中已经提出了许多基于人工智能算法的机械设备故障诊断方法，但是大多数基于人工智能的机械设备故障诊断方法，需要为每台机器设备训练单独的模型，并且模型的泛化能力比较差，无法解决设备间因结构和工作条件的不同引起的数据分布不同的问题，导致机械设备故障诊断结果不够精准。而基于转移学习的故障诊断方法，则需要大量的故障数据和完整的故障类型来支持训练过程，这在实际的工业应用中无法满足，因此无法应用于复杂场景下的设备故障诊断。

鉴于上述现有技术中的问题，需要提供一种无需为每台设备训练单独模型，提升设备故障诊断结果的精确度，应用场景范围广，设备故障诊断效率高的设备故障诊断方法。

发明内容

有鉴于此，本公开实施例提供了一种设备故障诊断方法、装置、电子设备及存储介质，以解决现有技术存在的需要为每台设备训练单独模型，模型泛化能力差，设备故障诊断结果不够精准，无法适用于复杂应用场景，设备故障诊断效率低的问题。

本公开实施例的第一方面，提供了一种设备故障诊断方法，包括：基于预先创建的联合学习架构确定多个参与方，并获取参与方的设备在运行过程中产生的振动信号，其中参与方中包含至少一个设备；利用预设的信号分析算法，对振动信号执行预处理操作，得到振动信号对应的信号特征数据，并基于信号特征数据，对设备执行聚类操作，得到多个相似设备组；将每个参与方中同一相似设备组内的设备所对应的信号特征数据进行整合，得到训练数据，利用训练数据对多故障诊断模型进行训练得到本地模型；基于每个相似设备组对应的本地模型，以及预设的模型聚合方法，对本地模型执行聚合操作，得到全局模型，并利用全局模型对本地模型进行更新，基于更新后得到的本地模型对设备进行故障诊断。

本公开实施例的第二方面，提供了一种设备故障诊断装置，包括：获取模块，被配置为基于预先创建的联合学习架构确定多个参与方，并获取参与方的设备在运行过程中产生的振动信号，其中参与方中包含至少一个设备；聚类模块，被配置为利用预设的信号分析算法，对振动信号执行预处理操作，得到振动信号对应的信号特征数据，并基于信号特征数据，对设备执行聚类操作，得到多个相似设备组；训练模块，被配置为将每个参与方中同一相似设备组内的设备所对应的信号特征数据进行整合，得到训练数据，利用训练数据对多故障诊断模型进行训练得到本地模型；诊断模块，被配置为基于每个相似设备组对应的本地模型，以及预设的模型聚合方法，对本地模型执行聚合操作，得到全局模型，并利用全局模型对本地模型进行更新，基于更新后得到的本地模型对设备进行故障诊断。

本公开实施例采用的上述至少一个技术方案能够达到以下有益效果：