[發明專利]一種工業設備的故障檢測方法、計算設備及可讀存儲介質

在審

• 申請號: 202110876571.1
• 申請日: 2021-07-30
• 公開（公告）號: CN113569486A
• 公開（公告）日: 2021-10-29
• 發明（設計）人: 王勇;汪湘湘;陳浩;許啟發;程啟亮
• 申請（專利權）人: 安徽容知日新科技股份有限公司
• 主分類號: G06F30/27
• 分類號: G06F30/27;G06K9/62;G06N3/04;G06N3/08;G06F111/08
• 代理公司: 北京思睿峰知識產權代理有限公司 11396
• 代理人: 高攀;趙愛軍

1.一種工業設備的故障檢測方法，適于在計算設備中執行，所述方法包括：

獲取待檢測設備運行時預設時長內的振動數據的頻譜；

將所述振動數據的頻譜進行歸一化處理，得到所述振動數據的歸一化頻譜；

將所述振動數據的歸一化頻譜輸入到訓練好的故障檢測模型中進行處理，得到所述待檢測設備的故障類別，所述故障檢測模型基于度量元學習模型構建。

2.如權利要求1所述的方法，其中，所述獲取待檢測設備運行時預設時長內的振動數據的頻譜的步驟，包括：

獲取待檢測設備運行時預設時長內的振動數據；

利用短時傅里葉變換，獲取所述振動數據的頻譜。

3.如權利要求1或2所述的方法，其中，所述振動數據為加速度數據。

4.如權利要求1-3中任意一項所述的方法，其中，所述度量元學習模型為原型網絡。

5.如權利要求4所述的方法，其中，所述故障檢測模型包括特征提取模塊和度量模塊。

6.如權利要求5所述的方法，其中，所述特征提取模塊包括四層卷積網絡，每層卷積網絡包括一個卷積層、一個激活層和一個池化層。

7.如權利要求4-6中任意一項所述的方法，其中，所述故障檢測模型基于下述方法訓練：

從總訓練樣本集中隨機抽取第一預設數量種故障類別，所述總訓練樣本集中的每種故障類別下包括多個樣本數據，所述樣本數據為所述工業設備運行時預設時長內的振動數據的歸一化頻譜；

對于抽取的每種故障類別，從總訓練樣本集中隨機抽取第二預設數量個樣本數據；

將所述第二預設數量個樣本數據中的第三預設數量個樣本數據作為元訓練的支持集，并將剩余的樣本數據作為元訓練的查詢集；

利用所述支持集和查詢集對所述故障檢測模型進行訓練，得到初始故障檢測模型；

重復上述步驟，直到達到預定次數，獲得訓練好的故障檢測模型。

8.如權利要求7所述的方法，其中，所述利用所述支持集和查詢集對所述故障檢測模型進行訓練的步驟，包括：

將所述支持集中每種故障類別下的樣本數據輸入到所述特征提取模塊中，得到每個樣本數據的特征向量；

基于得到的每個樣本數據的特征向量，獲取所述支持集中每種故障類別的原型表示；

將所述查詢集中每種故障類別下的樣本數據輸入到所述特征提取模塊中，得到所述查詢集中每個樣本數據的特征向量；

基于所述查詢集中每個樣本數據的特征向量和獲取的每種故障類別的原型表示，獲取所述查詢集中每個樣本數據所對應的預測故障類別；

基于所述查詢集中每個樣本數據所對應的預測故障類別和真實故障類別之間的損失值，更新所述故障檢測模型，得到初始故障檢測模型。

9.一種計算設備，包括：

至少一個處理器；以及

存儲器，存儲有程序指令，其中，所述程序指令被配置為適于由所述至少一個處理器執行，所述程序指令包括用于執行如權利要求1-8中任一項所述方法的指令。

10.一種存儲有程序指令的可讀存儲介質，當所述程序指令被計算設備讀取并執行時，使得所述計算設備執行如權利要求1-8中任一項所述方法。