[發明專利]設備的故障預測方法及裝置、電子設備、存儲介質在審
| 申請號: | 202010169689.6 | 申請日: | 2020-03-10 |
| 公開(公告)號: | CN111383220A | 公開(公告)日: | 2020-07-07 |
| 發明(設計)人: | 張發恩;馬凡賀 | 申請(專利權)人: | 創新奇智(重慶)科技有限公司 |
| 主分類號: | G06T7/00 | 分類號: | G06T7/00;G06K9/46;G06K9/62;G06N3/04 |
| 代理公司: | 北京超凡宏宇專利代理事務所(特殊普通合伙) 11463 | 代理人: | 李飛 |
| 地址: | 400000 重慶市九龍坡區*** | 國省代碼: | 重慶;50 |
| 權利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關鍵詞: | 設備 故障 預測 方法 裝置 電子設備 存儲 介質 | ||
1.一種設備的故障預測方法,其特征在于,包括:
獲取設備運行時的目標圖像信號;
通過以設備正常狀態的自然圖像信號訓練的生成式對抗網絡,計算所述目標圖像信號的第一特征向量和第二特征向量;
計算所述第一特征向量和所述第二特征向量之間的特征距離;
判斷所述特征距離是否大于預設閾值,若是,輸出預警信息。
2.根據權利要求1所述的方法,其特征在于,所述設備包括旋轉機組,所述生成式對抗網絡通過如下方式訓練得到:
采集旋轉機組的轉子徑向的電渦流信號;
基于采集到的所述電渦流信號生成指定尺寸的數據矩陣;
對所述數據矩陣進行歸一化處理,得到所述自然圖像信號;
通過所述自然圖像信號訓練所述生成式對抗網絡,得到已訓練的所述生成式對抗網絡。
3.根據權利要求2所述的方法,其特征在于,所述生成式對抗網絡包括生成器、判決器和尾部編碼器;
所述通過所述自然圖像信號訓練所述生成式對抗網絡,得到已訓練的所述生成式對抗網絡,包括:
通過所述生成器計算所述自然圖像信號對應的偽造圖像信號;
通過所述自然圖像信號和所述自然圖像信號對應的偽造圖像信號訓練所述判決器;
通過所述自然圖像信號訓練與所述判決器連接的所述生成器和所述尾部編碼器。
4.根據權利要求1所述的方法,其特征在于,所述設備包括旋轉機組;所述獲取設備運行時的目標圖像信號,包括:
采集旋轉機組的轉子徑向的電渦流信號;
基于采集到的所述電渦流信號生成指定尺寸的數據矩陣;
對所述數據矩陣進行歸一化處理,得到所述目標圖像信號。
5.根據權利要求2或4所述的方法,其特征在于,所述電渦流信號包括x向振動信號和y向振動信號;
所述采集旋轉機組的轉子徑向的電渦流信號,包括:
等角度采集所述x向振動信號和所述y向振動信號。
6.根據權利要求1所述的方法,其特征在于,所述生成式對抗網絡包括生成器和尾部編碼器;其中,所述生成器包括首部編碼器和解碼器;
所述計算所述目標圖像信號的第一特征向量和第二特征向量,包括:
通過所述首部編碼器計算所述目標圖像信號的第一特征向量;
通過所述解碼器計算所述第一特征向量,獲得所述目標圖像信號對應的偽造圖像信號;
通過所述尾部編碼器計算所述偽造圖像信號,獲得所述目標圖像信號的第二特征向量。
7.根據權利要求1所述的方法,其特征在于,所述計算所述第一特征向量和第二特征向量之間的特征距離,包括:
計算所述第一特征向量和所述第二特征向量之間的曼哈頓距離,并將所述曼哈頓距離作為特征距離。
8.一種設備的故障預測裝置,其特征在于,包括:
獲取模塊,用于獲取設備運行時的目標圖像信號;
第一計算模塊,用于通過以設備正常狀態的自然圖像信號訓練的生成式對抗網絡,計算所述目標圖像信號的第一特征向量和第二特征向量;
第二計算模塊,用于計算所述第一特征向量和所述第二特征向量之間的特征距離;
判斷模塊,用于判斷所述特征距離是否大于預設閾值,若是,輸出預警信息。
9.一種電子設備,其特征在于,所述電子設備包括:
處理器;
用于存儲處理器可執行指令的存儲器;
其中,所述處理器被配置為執行權利要求1-7任意一項所述的設備的故障預測方法。
10.一種計算機可讀存儲介質,其特征在于,所述存儲介質存儲有計算機程序,所述計算機程序可由處理器執行以完成權利要求1-7任意一項所述的設備的故障預測方法。
該專利技術資料僅供研究查看技術是否侵權等信息,商用須獲得專利權人授權。該專利全部權利屬于創新奇智(重慶)科技有限公司,未經創新奇智(重慶)科技有限公司許可,擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作,請聯系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/202010169689.6/1.html,轉載請聲明來源鉆瓜專利網。





