[發(fā)明專利]故障檢測(cè)方法及裝置、信息物理融合系統(tǒng)

在審

• 申請(qǐng)?zhí)枺?/td>: 202010121485.5
• 申請(qǐng)日: 2020-02-26
• 公開(kāi)（公告）號(hào): CN111368890A
• 公開(kāi)（公告）日: 2020-07-03
• 發(fā)明（設(shè)計(jì)）人: 劉華;牟桂賢;申偉剛;周丙相;張振宇;郭凌玲
• 申請(qǐng)（專利權(quán)）人: 珠海格力電器股份有限公司
• 主分類號(hào): G06K9/62
• 分類號(hào): G06K9/62;G06N3/04;G06N3/08
• 代理公司: 北京市隆安律師事務(wù)所 11323
• 代理人: 廉振保

1.一種故障檢測(cè)方法，其特征在于，包括：

采集目標(biāo)設(shè)備的運(yùn)行狀態(tài)數(shù)據(jù)；

提取所述運(yùn)行狀態(tài)數(shù)據(jù)的特征信息；

以所述特征信息為輸入，通過(guò)神經(jīng)網(wǎng)絡(luò)模型計(jì)算所述目標(biāo)設(shè)備在第一時(shí)間的狀態(tài)預(yù)測(cè)結(jié)果；

以所述狀態(tài)預(yù)測(cè)結(jié)果為輸入，采用分類算法輸出所述目標(biāo)設(shè)備在所述第一時(shí)間發(fā)生的故障類型。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，在通過(guò)神經(jīng)網(wǎng)絡(luò)模型計(jì)算所述目標(biāo)設(shè)備在第一時(shí)間的狀態(tài)預(yù)測(cè)結(jié)果之前，所述方法還包括：

采集所述目標(biāo)設(shè)備的多組歷史運(yùn)行狀態(tài)數(shù)據(jù)，并按照時(shí)間序列結(jié)構(gòu)化存儲(chǔ)所述多組歷史運(yùn)行狀態(tài)數(shù)據(jù)；

提取所述多組歷史運(yùn)行狀態(tài)數(shù)據(jù)的有效特征，得到初始特征集；

以所述初始特征集為樣本集，離線訓(xùn)練同于狀態(tài)趨勢(shì)預(yù)測(cè)的初始算法模型，得到所述神經(jīng)網(wǎng)絡(luò)模型。

3.根據(jù)權(quán)利要求2所述的方法，其特征在于，提取所述多組歷史運(yùn)行狀態(tài)數(shù)據(jù)的有效特征，得到初始特征集，包括：

計(jì)算所述多組歷史運(yùn)行狀態(tài)數(shù)據(jù)的局部信息差異度；

剔除所述多組歷史運(yùn)行狀態(tài)數(shù)據(jù)中局部信息差異度大于預(yù)設(shè)閾值的離群點(diǎn)，得到第一初始特征集；

采用隨機(jī)領(lǐng)域保持嵌入算法對(duì)所述第一初始特征集進(jìn)行降維處理，得到第二初始特征集。

4.根據(jù)權(quán)利要求2所述的方法，其特征在于，以所述初始特征集為樣本集，離線訓(xùn)練同于狀態(tài)趨勢(shì)預(yù)測(cè)的初始算法模型，得到所述神經(jīng)網(wǎng)絡(luò)模型，包括：

在輸入層輸入預(yù)設(shè)時(shí)間窗長(zhǎng)度的設(shè)備運(yùn)行歷史狀態(tài)數(shù)據(jù)矩陣，其中，所述初始算法模型包括輸入層、隱藏層、全連接層；

向所述隱藏層的多個(gè)反饋神經(jīng)元分別輸出每個(gè)時(shí)刻的狀態(tài)矩陣，其中，每個(gè)狀態(tài)矩陣包括在對(duì)應(yīng)時(shí)刻多個(gè)維度的狀態(tài)特征；

從起始反饋神經(jīng)元開(kāi)始，依次向線性相鄰的下一個(gè)反饋神經(jīng)元傳遞上一時(shí)刻的狀態(tài)值和輸出值，并將終止反饋神經(jīng)元的輸出值作為全連接層的輸入，輸出預(yù)測(cè)狀態(tài)模型。

5.根據(jù)權(quán)利要求1所述的方法，其特征在于，采用分類算法輸出所述目標(biāo)設(shè)備在所述第一時(shí)間發(fā)生的故障類型包括：

計(jì)算與所述狀態(tài)預(yù)測(cè)結(jié)果對(duì)應(yīng)的預(yù)測(cè)值與設(shè)備狀態(tài)倉(cāng)庫(kù)中多個(gè)樣本之間的馬氏距離，其中，每個(gè)樣本對(duì)應(yīng)至少一個(gè)標(biāo)簽信息，每個(gè)標(biāo)簽信息用于表征一種類型的故障特征；

將計(jì)算得到的多個(gè)馬氏距離進(jìn)行排序，取馬氏距離最小的M個(gè)樣本，其中，M為大于1的整數(shù)；

統(tǒng)計(jì)所述M個(gè)樣本的標(biāo)簽信息，將占比最多的標(biāo)簽信息輸出為所述目標(biāo)設(shè)備在所述第一時(shí)間發(fā)生的故障類型。

6.根據(jù)權(quán)利要求1所述的方法，其特征在于，在通過(guò)神經(jīng)網(wǎng)絡(luò)模型計(jì)算所述目標(biāo)設(shè)備在第一時(shí)間的狀態(tài)預(yù)測(cè)結(jié)果之前，所述方法還包括：

在確定第一神經(jīng)網(wǎng)絡(luò)模型后，通過(guò)所述第一神經(jīng)網(wǎng)絡(luò)模型計(jì)算第二時(shí)間的預(yù)測(cè)狀態(tài)數(shù)據(jù)，其中，所述第二時(shí)間早于所述第一時(shí)間；

在所述第二時(shí)間到達(dá)時(shí)，采集所述目標(biāo)設(shè)備的實(shí)際狀態(tài)數(shù)據(jù)，計(jì)算所述預(yù)測(cè)狀態(tài)數(shù)據(jù)和實(shí)際狀態(tài)數(shù)據(jù)的狀態(tài)殘差；

比較所述狀態(tài)殘差和預(yù)設(shè)門限；

若所述狀態(tài)殘差大于所述預(yù)設(shè)門限，更新所述第一神經(jīng)網(wǎng)絡(luò)模型；若所述狀態(tài)殘差小于或等于所述預(yù)設(shè)門限，繼續(xù)使用所述第一神經(jīng)網(wǎng)絡(luò)模型。

7.一種故障檢測(cè)裝置，其特征在于，包括：

第一采集模塊，用于采集目標(biāo)設(shè)備的運(yùn)行狀態(tài)數(shù)據(jù)；

第一提取模塊，用于提取所述運(yùn)行狀態(tài)數(shù)據(jù)的特征信息；

第一計(jì)算模塊，用于以所述特征信息為輸入，通過(guò)神經(jīng)網(wǎng)絡(luò)模型計(jì)算所述目標(biāo)設(shè)備在第一時(shí)間的狀態(tài)預(yù)測(cè)結(jié)果；

輸出模塊，用于以所述狀態(tài)預(yù)測(cè)結(jié)果為輸入，采用分類算法輸出所述目標(biāo)設(shè)備在所述第一時(shí)間發(fā)生的故障類型。

8.一種信息物理融合系統(tǒng)，其特征在于，包括：運(yùn)維服務(wù)器和目標(biāo)設(shè)備，其中，所述運(yùn)維服務(wù)器包括如權(quán)利要求7所述的裝置。

9.一種存儲(chǔ)介質(zhì)，其特征在于，所述存儲(chǔ)介質(zhì)中存儲(chǔ)有計(jì)算機(jī)程序，其中，所述計(jì)算機(jī)程序被設(shè)置為運(yùn)行時(shí)執(zhí)行權(quán)利要求1至6任一項(xiàng)中所述的方法。

10.一種電子裝置，包括存儲(chǔ)器和處理器，其特征在于，所述存儲(chǔ)器中存儲(chǔ)有計(jì)算機(jī)程序，所述處理器被設(shè)置為運(yùn)行所述計(jì)算機(jī)程序以執(zhí)行權(quán)利要求1至6任一項(xiàng)中所述的方法。