[發(fā)明專利]一種基于聯(lián)合學(xué)習(xí)的設(shè)備預(yù)測(cè)性維護(hù)方法及裝置

在審

• 申請(qǐng)?zhí)枺?/td>: 202110044745.8
• 申請(qǐng)日: 2021-01-13
• 公開（公告）號(hào): CN112733453A
• 公開（公告）日: 2021-04-30
• 發(fā)明（設(shè)計(jì)）人: 張燧;徐少龍;金成浩
• 申請(qǐng)（專利權(quán)）人: 新智數(shù)字科技有限公司
• 主分類號(hào): G06F30/27
• 分類號(hào): G06F30/27;G06K9/62;G06N20/00;G06Q10/00;G06Q50/06
• 代理公司: 北京嘉科知識(shí)產(chǎn)權(quán)代理事務(wù)所(特殊普通合伙) 11687
• 代理人: 楊波

1.一種基于聯(lián)合學(xué)習(xí)的設(shè)備預(yù)測(cè)性維護(hù)方法，其特征在于，包括：

確定至少兩個(gè)目標(biāo)用戶發(fā)送的目標(biāo)設(shè)備的故障預(yù)測(cè)模型的模型種類；

基于各個(gè)所述故障預(yù)測(cè)模型分別對(duì)應(yīng)的模型種類，確定出集成密度模型和集成故障樹模型；

確定所述集成密度模型和所述集成故障樹模型分別對(duì)應(yīng)的比例系數(shù)；

將所述集成密度模型、所述集成故障樹模型和所述比例系數(shù)下發(fā)給各個(gè)所述目標(biāo)用戶，以使得各個(gè)所述目標(biāo)用戶基于所述集成密度模型、所述集成故障樹模型和所述比例系數(shù)，確定目標(biāo)設(shè)備的故障預(yù)測(cè)結(jié)果。

2.根據(jù)權(quán)利要求1所述的基于聯(lián)合學(xué)習(xí)的設(shè)備預(yù)測(cè)性維護(hù)方法，其特征在于，所述方法還包括：

接收各個(gè)所述目標(biāo)用戶發(fā)送的反饋信息，所述反饋信息中包含預(yù)測(cè)結(jié)果和真實(shí)結(jié)果；

基于所述反饋信息，更新所述集成密度模型、所述集成故障樹模型以及所述集成密度模型和所述集成故障樹模型分別對(duì)應(yīng)的比例系數(shù)。

3.根據(jù)權(quán)利要求1所述的基于聯(lián)合學(xué)習(xí)的設(shè)備預(yù)測(cè)性維護(hù)方法，其特征在于，所述確定至少兩個(gè)目標(biāo)用戶發(fā)送的目標(biāo)設(shè)備的故障預(yù)測(cè)模型的模型種類，包括：

接收至少兩個(gè)目標(biāo)用戶分別發(fā)送的目標(biāo)設(shè)備的故障預(yù)測(cè)模型；

提取各個(gè)所述故障預(yù)測(cè)模型對(duì)應(yīng)的模型編碼；

基于所述模型編碼，確定所述至少兩個(gè)目標(biāo)用戶發(fā)送的目標(biāo)設(shè)備的故障預(yù)測(cè)模型的模型種類。

4.根據(jù)權(quán)利要求1所述的基于聯(lián)合學(xué)習(xí)的設(shè)備預(yù)測(cè)性維護(hù)方法，其特征在于，所述基于各個(gè)所述故障預(yù)測(cè)模型分別對(duì)應(yīng)的模型種類，確定出集成密度模型和集成故障樹模型，包括：

對(duì)所述模型種類對(duì)應(yīng)密度函數(shù)的故障預(yù)測(cè)模型進(jìn)行集成，確定集成密度模型；

對(duì)所述模型種類對(duì)應(yīng)故障樹的故障預(yù)測(cè)模型進(jìn)行集成，確定集成故障樹模型。

5.根據(jù)權(quán)利要求1所述的基于聯(lián)合學(xué)習(xí)的設(shè)備預(yù)測(cè)性維護(hù)方法，其特征在于，所述模型種類對(duì)應(yīng)密度函數(shù)的故障預(yù)測(cè)模型為目標(biāo)用戶通過以下步驟獲取：

獲取目標(biāo)設(shè)備的歷史故障數(shù)據(jù)；

基于所述歷史故障數(shù)據(jù)，確定故障數(shù)據(jù)分布；

基于所述故障數(shù)據(jù)分布，確定故障數(shù)據(jù)的最大似然函數(shù)；

基于所述最大似然函數(shù)，確定模型種類對(duì)應(yīng)密度函數(shù)的故障預(yù)測(cè)模型。

6.根據(jù)權(quán)利要求1所述的基于聯(lián)合學(xué)習(xí)的設(shè)備預(yù)測(cè)性維護(hù)方法，其特征在于，所述模型種類對(duì)應(yīng)故障樹的故障預(yù)測(cè)模型為目標(biāo)用戶通過以下步驟獲取：

獲取目標(biāo)設(shè)備的歷史故障數(shù)據(jù)和收集故障數(shù)據(jù)；

對(duì)所述歷史故障數(shù)據(jù)和收集故障數(shù)據(jù)進(jìn)行分析，以確定故障事件和關(guān)聯(lián)事件；

基于所述故障事件和所述關(guān)聯(lián)事件，確定結(jié)構(gòu)函數(shù)；

基于所述歷史故障數(shù)據(jù)、所述收集故障數(shù)據(jù)和所述結(jié)構(gòu)函數(shù)，確定模型種類對(duì)應(yīng)故障樹的故障預(yù)測(cè)模型。

7.一種基于聯(lián)合學(xué)習(xí)的設(shè)備預(yù)測(cè)性維護(hù)裝置，其特征在于，包括：

模型種類確定模塊，用于確定至少兩個(gè)目標(biāo)用戶發(fā)送的目標(biāo)設(shè)備的故障預(yù)測(cè)模型的模型種類；

集成模型確定模塊，用于基于各個(gè)所述故障預(yù)測(cè)模型分別對(duì)應(yīng)的模型種類，確定出集成密度模型和集成故障樹模型；

比例系數(shù)確定模塊，用于確定所述集成密度模型和所述集成故障樹模型分別對(duì)應(yīng)的比例系數(shù)；

模型下發(fā)模塊，用于將所述集成密度模型、所述集成故障樹模型和所述比例系數(shù)下發(fā)給各個(gè)所述目標(biāo)用戶，以使得各個(gè)所述目標(biāo)用戶基于所述集成密度模型、所述集成故障樹模型和所述比例系數(shù)，確定目標(biāo)設(shè)備的故障預(yù)測(cè)結(jié)果。

8.根據(jù)權(quán)利要求7所述的基于聯(lián)合學(xué)習(xí)的設(shè)備預(yù)測(cè)性維護(hù)裝置，其特征在于，所述裝置還包括：

反饋信息接收模塊，用于接收各個(gè)所述目標(biāo)用戶發(fā)送的反饋信息，所述反饋信息中包含預(yù)測(cè)結(jié)果和真實(shí)結(jié)果；

更新處理模塊，用于基于所述反饋信息，更新所述集成密度模型、所述集成故障樹模型以及所述集成密度模型和所述集成故障樹模型分別對(duì)應(yīng)的比例系數(shù)。