[发明专利]机械设备画像生成方法

权利要求书

1.一种机械设备画像生成方法，其特征在于，所述机械设备画像生成方法包括：

获取所有与所述机械设备相关的数据信息；

对所述机械设备相关的数据信息进行数据融合，以获得多源数据信息集合；

基于所述多源数据信息集合获取所述机械设备的目标属性数据和目标状态数据；

基于所获取的所述目标属性数据生成所述机械设备的属性标签；

将所述机械设备的当前目标状态数据输入到训练好的神经网络模型中，获得所述机械设备的当前状态标签，其中，所述当前状态标签包括所述机械设备的状态标签值；

通过所获取的所述属性标签的属性标签值和所获得的所述当前状态标签的状态标签值，生成所述机械设备的设备画像。

2.根据权利要求1所述的机械设备画像生成方法，其特征在于，所述机械设备画像生成方法还包括：

基于所述机械设备的目标状态数据以及所述目标状态数据的目标状态标签值数量，对神经网络模型进行初始化；

基于所述目标状态数据生成多个统计指标；以及

将包括所述多个统计指标以及所述目标状态数据的状态分类标签数据的数据矩阵输入到初始化的所述神经网络模型中，对所述神经网络模型进行训练。

3.根据权利要求1所述的机械设备画像生成方法，其特征在于，基于所述多源数据信息集合获取所述机械设备的目标属性数据和目标状态数据，包括：

基于所述多源数据信息集合获取初始属性数据和初始状态数据；

基于对所述初始属性数据的关注度和/或重要性，获取所述目标属性数据；

对所述初始状态数据进行归一化处理，获取所述目标状态数据。

4.根据权利要求1所述的机械设备画像生成方法，其特征在于，通过所获取的所述属性标签的属性标签值和所获得的所述当前状态标签的状态标签值，生成所述机械设备的设备画像，包括：

基于所述机械设备的所述属性标签值和所述当前状态标签值，构建所有标签值集合和设备集合；

基于所述标签值集合和所述设备集合，构建共现矩阵；

基于所述共现矩阵，通过聚类算法获取所述属性标签和所述当前状态标签的标签聚类簇；以及

基于所述标签聚类簇获取设备当前重点标签值，生成所述机械设备的设备画像。

5.根据权利要求4所述的机械设备画像生成方法，其特征在于，基于所述标签聚类簇获取设备当前重点标签值，生成所述机械设备的设备画像，包括：

将各设备所有标签值与所获取的所述标签聚类簇所含标签值进行比较；以及

获取各设备所含标签值覆盖所述标签聚类簇中标签值类别数最多的第一标签聚类簇，并将所述第一标签聚类簇中所对应的标签值设为所述设备当前重点标签值。

6.根据权利要求1至5中任一项所述的机械设备画像生成方法，其特征在于，所述机械设备画像生成方法还包括：

将所生成的所述设备画像可视化为画像词云图。

7.根据权利要求1至5中任一项所述的机械设备画像生成方法，其特征在于，所述机械设备画像生成方法还包括：

将所述机械设备的当前目标状态数据的状态标签值与设定值进行比较，获得所述机械设备的当前状态标签。

8.根据权利要求1所述的机械设备画像生成方法，其特征在于，对所述机械设备相关的数据信息进行数据融合，以获得多源数据信息集合，包括：

为各设备设定相互不同的唯一标识；

获取各设备具有唯一标识的第一库表以及与所述第一库表相关联的第二库表；以及

以所述唯一标识使得所述第一库表和所述第二库表相互关联。

9.根据权利要求1所述的机械设备画像生成方法，其特征在于，所述神经网络模型包括反向传播神经网络模型。

10.根据权利要求2所述的机械设备画像生成方法，其特征在于，所述统计指标包括：均值、标准差、方根幅值、有效值、峰值、偏度、峭度、最大值、裕度值、波形因子、脉冲指数。