[發明專利]模型訓練方法、故障預測方法、裝置及電子設備

有效

• 申請號: 202110503299.2
• 申請日: 2021-05-10
• 公開（公告）號: CN112989522B
• 公開（公告）日: 2021-07-30
• 發明（設計）人: 周鵬程;張超
• 申請（專利權）人: 創新奇智（成都）科技有限公司
• 主分類號: G06F30/17
• 分類號: G06F30/17;G06F30/20
• 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: 余菲

本申請涉及一種模型訓練方法、故障預測方法、裝置及電子設備。本申請實施例提供的模型訓練方法包括：根據第一原始樣本數據集構建第一特征樣本數據集；分別通過預設的第一目標數量個異常檢測模型對第一原始樣本數據集進行無監督學習，獲得第一目標數量條第一檢測結果序列；基于第一目標數量條第一檢測結果序列獲得第一目標檢測結果序列集和第一目標故障標簽集；基于第一原始樣本數據集、第一特征樣本數據集、第一目標檢測結果序列集和第一目標故障標簽集對分類模型進行訓練，獲得聯軸器故障預測模型。本申請實施例提供的模型訓練方法、故障預測方法、裝置及電子設備能夠保證聯軸器故障預測模型的可靠性。

技術領域

本申請涉及工業設備及流程預測性維護技術領域，具體而言，涉及一種模型訓練方法、故障預測方法、裝置及電子設備。

背景技術

聯軸器是工業傳動裝置的關鍵部件，通常采用鼓型齒式結構，由兩個半聯軸器組成，在傳動過程中一起旋轉，其主要作用是聯結兩端設置的兩個旋轉件，使工業傳動裝置在存在一定程度的軸向、角度偏差或端面位移時仍能正常的運作，若妥善的選擇、安裝及維護聯軸器，可以減少工業傳動裝置大量的維修費用及停機時間。

傳統的聯軸器故障檢測方法，以閾值式告警為主，由于聯軸器屬于高速旋轉件，因此，直接在其主體安裝傳感器較為困難，所以，通常在其連接的電機軸承、齒輪箱軸承等位置安裝傳感器，以采集并監測溫度、振動幅度、電流等工況數據是否達到或超過閾值數據，若工況數據達到或超過閾值數據，則進行告警。這種方法過分依賴于通過經驗設定的閾值數據，因此，對環境改變的適應能力不足，更無法對聯軸器的健康狀況進行評估，而做到提前預警。

發明內容

本申請的目的在于，提供一種模型訓練方法、故障預測方法、裝置及電子設備，以解決上述問題。

本申請實施例提供的模型訓練方法，包括：

根據第一原始樣本數據集構建第一特征樣本數據集，第一原始樣本數據集用于表征樣本聯軸器的歷史工況，且第一原始樣本數據集中包括在多個第一采樣時間點上，針對多個第一目標測點中每個第一目標測點所采集的樣本數據；

分別通過預設的第一目標數量個異常檢測模型對第一原始樣本數據集進行無監督學習，獲得第一目標數量條第一檢測結果序列；

在根據第一目標數量條第一檢測結果序列判定需要對第一原始故障標簽集進行擴充時，根據實際擴充的第一增量故障標簽對第一目標數量個異常檢測模型進行調整，以通過調整之后的異常檢測模型對第一原始樣本數據集進行無監督學習，重新獲得第一目標數量條第一檢測結果序列，并以此循環，直至根據新的第一目標數量條第一檢測結果序列判定無需對第一原始故障標簽集進行擴充時，將新的第一目標數量條第一檢測結果序列作為第一目標檢測結果序列集，以及將擴充之后的第一原始故障標簽集作為第一目標故障標簽集；

基于第一原始樣本數據集、第一特征樣本數據集、第一目標檢測結果序列集和第一目標故障標簽集對分類模型進行訓練，獲得聯軸器故障預測模型。

結合第一方面，本申請實施例還提供了第一方面的第一種可選的實施方式，模型訓練方法還包括：

從樣本聯軸器的歷史運行階段中劃分出第一完整工況階段，第一完整工況階段包括第一加速階段、第一穩定階段和第一降速階段；

將第一加速階段內，針對多個第一目標測點中每個第一目標測點所采集的樣本數據，作為第一樣本數據集；

將第一穩定階段內，針對多個第一目標測點中每個第一目標測點所采集的樣本數據，作為第二樣本數據集；

將第一降速階段內，針對多個第一目標測點中每個第一目標測點所采集的樣本數據，作為第三樣本數據集；

分別將第一樣本數據集、第二樣本數據集和第三樣本數據集作為第一原始樣本數據集。