[发明专利]设备故障诊断方法、装置、电子设备及存储介质

权利要求书

1.一种设备故障诊断方法，其特征在于，包括：

获取待进行故障诊断的设备运行时产生的原始信号数据；

对所述原始信号数据进行数据分割处理，以将所述原始信号数据分割为多个第一子数据；

对所述多个第一子数据分别进行时频变换处理，以对应生成多个第二子数据；

对所述多个第一子数据进行特征提取，以得到第一特征提取结果，并对所述多个第二子数据进行特征提取，以得到第二特征提取结果；

对所述第一特征提取结果和所述第二特征提取结果进行特征融合，以得到融合后的特征；

根据所述融合后的特征确定设备的故障诊断结果。

2.根据权利要求1所述的设备故障诊断方法，其特征在于，所述根据所述融合后的特征确定设备的故障诊断结果包括：

根据所述融合后的特征确定多个第一子数据一一对应的多个子区间故障判断结果；

基于所述多个子区间故障判断结果确定设备的故障诊断结果。

3.根据权利要求2所述的设备故障诊断方法，其特征在于，所述基于所述多个子区间故障判断结果确定设备的故障诊断结果包括：

基于所述多个子区间故障判断结果得到各个故障类型下的判断结果数量；

根据所述各个故障类型下的判断结果数量确定设备的故障诊断结果。

4.根据权利要求3所述的设备故障诊断方法，其特征在于，所述根据所述各个故障类型下的判断结果数量确定设备的故障诊断结果包括：

确定判断结果数量最多的故障类型作为目标故障类型；

若目标故障类型的判断结果数量与所有故障类型下的判断结果数量的比值大于或等于设定阈值，则以所述目标故障类型作为设备的故障诊断结果。

5.根据权利要求2至4中任一权利要求所述的设备故障诊断方法，其特征在于，所述根据所述融合后的特征确定多个第一子数据一一对应的多个子区间故障判断结果包括：

将所述融合后的特征输入至训练完成的分类网络中，并通过所述分类网络输出各个第一子数据一一对应的子区间故障判断结果；所述分类网络用于确定与输入的融合后的特征相匹配的子区间故障判断结果。

6.根据权利要求5所述的设备故障诊断方法，其特征在于，所述将所述融合后的特征输入至训练完成的分类网络中之前，还包括：

接收在云端训练完成的学生模型，所述学生模型为使用教师模型进行知识蒸馏的深度学习模型，所述教师模型为深度学习模型；

本地部署所述学生模型，并以所述学生模型作为所述分类网络。

7.根据权利要求1所述的设备故障诊断方法，其特征在于，所述对所述多个第一子数据分别进行时频变换处理包括：

对所述多个第一子数据分别进行小波变换处理。

8.一种设备故障诊断装置，其特征在于，包括：

数据获取模块，用于获取待进行故障诊断的设备运行时产生的原始信号数据；

数据分割模块，用于对所述原始信号数据进行数据分割处理，以将所述原始信号数据分割为多个第一子数据；

时频变换模块，用于对所述多个第一子数据分别进行时频变换处理，以对应生成多个第二子数据；

特征提取模块，用于对所述多个第一子数据进行特征提取，以得到第一特征提取结果，并用于对所述多个第二子数据进行特征提取，以得到第二特征提取结果；

特征融合模块，用于对所述第一特征提取结果和所述第二特征提取结果进行特征融合，以得到融合后的特征；

故障判断模块，用于根据所述融合后的特征确定设备的故障诊断结果。

9.一种电子设备，其特征在于，包括存储器和处理器，所述存储器中存储有计算机可读指令，该计算机可读指令被所述处理器执行时，使得所述处理器执行如权利要求1至7中任一项权利要求所述设备故障诊断方法的步骤。

10.一种存储有计算机可读指令的存储介质，其特征在于，所述计算机可读指令被一个或多个处理器执行时，使得所述一个或多个处理器执行如权利要求1至7中任一项权利要求所述设备故障诊断方法的步骤。