[发明专利]机械设备画像生成方法

说明书

本发明提供一种机械设备画像生成方法，该方法包括：获取所有与机械设备相关的数据信息；对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；基于多源数据信息集合获取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机械设备的属性标签；将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，获得机械设备当前状态标签，其中，当前状态标签包括机械设备的状态标签值；通过所获取的属性标签的属性标签值和所获得的当前状态标签的状态标签值，生成机械设备的设备画像。根据本申请的方法，有助于实现柱塞泵故障检测，并能及时准确地掌握设备当前的运行状况，便于掌控整个生产过程。

技术领域

本申请涉及机械设备智能化管理技术领域，更具体地说，涉及一种机械设备画像生成方法。

背景技术

画像技术被广泛应用于互联网等多行业领域，主要以用画像为主，可以用来挖掘用户特征、掌握用户偏好、以及深入彻底的了解和掌握被刻画对象。同样，大型机械设备也可以像人一样被刻画，也可以通过画像技术进行特征提取和完成全面描述刻画。大型机械设备出厂、生产和维修过程都产生了大量的监控、监测数据，这些数据可以直接反应出设备的显著特征，但是只是通过大量的数据无法直观深入的挖掘出其特征。所以构建机械设备画像，可以准确的挖掘提取机械设备各方面特征、并将其全面的呈现出来，便于我们及时了解掌握设备状态和运行现状。

发明内容

要解决的技术问题

目前为止，对于机械设备画像的研究相对较少，对于油气行业大型机械服务设备的相关研究更少。所以创建完整的机械设备画像是亟待解决的问题。随着设备数据的持续积累和广泛应用，各类大型设备画像将被创建，从而帮助在生产作业过程中及时准确掌握设备动态和运行状况。

技术方案

为了实现上述目的，本申请提供一种机械设备画像生成方法，该方法包括：获取所有与机械设备相关的数据信息；对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；基于多源数据信息集合获取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机械设备的属性标签；将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，获得机械设备当前状态标签，其中，当前状态标签包括机械设备的状态标签值；通过所获取的属性标签的属性标签值和所获得的当前状态标签的状态标签值，生成机械设备的设备画像。

进一步地，机械设备画像生成方法还包括：基于机械设备的目标状态数据以及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；基于目标状态数据生成多个统计指标；以及将包括多个统计指标以及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，对神经网络模型进行训练。

进一步地，基于多源数据信息集合获取机械设备的目标属性数据和目标状态数据，包括：基于多源数据信息集合获取初始属性数据和初始状态数据；基于对初始属性数据的关注度和/或重要性，获取目标属性数据；对初始状态数据进行归一化处理，获取目标状态数据。

进一步地，通过所获取的属性标签的属性标签值和所获得的当前状态标签的状态标签值，生成机械设备的设备画像，包括：基于机械设备的属性标签值和当前状态标签值，构建所有标签值集合和设备集合；基于标签值集合和设备集合，构建共现矩阵；基于共现矩阵，通过聚类算法获取属性标签和当前状态标签的标签聚类簇；以及基于标签聚类簇获取设备当前重点标签值，生成机械设备的设备画像。

进一步地，基于标签聚类簇获取设备当前重点标签值，生成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标签聚类簇中标签值类别数最多的第一标签聚类簇，并将第一标签聚类簇中所对应的标签值设为设备当前重点标签值。

进一步地，机械设备画像生成方法还包括：将所生成的设备画像可视化为画像词云图。