[發明專利]設備故障診斷方法、裝置、計算機設備及存儲介質

在審

• 申請號: 202210038565.3
• 申請日: 2022-01-13
• 公開（公告）號: CN114429155A
• 公開（公告）日: 2022-05-03
• 發明（設計）人: 陳嬌嬌
• 申請（專利權）人: 潤聯軟件系統（深圳）有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06N3/04;G06N3/08;G06K9/62;G06Q10/00;G06Q50/04
• 代理公司: 深圳市世聯合知識產權代理有限公司 44385
• 代理人: 楊暉瓊

1.一種設備故障診斷方法，其特征在于，包括：

根據預設的深度殘差網絡，提取振動數據樣本中的源域特征以及目標域特征；

基于所述源域特征確定故障類別對應的注意力權重；

根據所述注意力權重和所述源域特征，確定故障正向特征；

將所述目標域特征和所述故障正向特征經過域鑒別器進行鑒別處理，以確定設備故障類別。

2.根據權利要求1所述的設備故障診斷方法，其特征在于，所述源域特征包括故障類別標簽，所述基于所述源域特征確定故障類別對應的注意力權重包括：

獲取所述源域特征的故障類別向量和所述故障類別向量攜帶的預測類別標簽；

當所述預測類別標簽與所述故障類別標簽相同時，將所述故障類別向量和所述源域特征進行梯度計算，以得到注意力權重。

3.根據權利要求2所述的設備故障診斷方法，其特征在于，所述獲取所述源域特征的故障類別向量和所述故障類別向量攜帶的預測類別標簽包括：

通過類判別器對所述源域特征進行分類處理，以得到故障類別向量；

通過歸一化指數函數計算所述故障類別向量的故障類別概率；

根據預設的交叉熵損失函數和所述故障類別概率，確定所述故障類別向量攜帶的預測類別標簽。

4.根據權利要求1所述的設備故障診斷方法，其特征在于，所述將所述目標域特征和所述故障正向特征經過鑒別處理，以確定設備故障類別包括：

將所述目標域特征和所述故障正向特征進行拼接，以得到拼接特征；

將所述拼接特征經過梯度反轉處理得到故障特征；

通過對所述故障特征鑒別處理，以確定設備故障類型。

5.根據權利要求1-4任意一項所述的設備故障診斷方法，其特征在于，所述根據預設的深度殘差網絡，提取振動數據樣本中的源域特征以及目標域特征包括：

采集振動數據樣本；

將將所述振動數據樣本分類為攜帶故障類別標簽的源域樣本和無攜帶故障類別標簽的目標域樣本；

通過所述深度殘差網絡分別提取所述源域樣本的源域特征和所述目標域樣本的目標域特征。

6.根據權利要求5所述的設備故障診斷方法，其特征在于，所述通過所述深度殘差網絡分別提取所述源域樣本的源域特征和所述目標域樣本的目標域特征包括：

將所述源域樣本和所述目標域樣本分別通過預設層數的殘差單元進行計算，以得到源域輸出結果和目標域輸出結果；

獲取所述殘差單元對應的殘差權重；

將所述源域輸出結果和所述殘差權重進行相加得到源域特征；

將所述目標域輸出結果和所述殘差權重相加得到目標域特征。

7.一種設備故障診斷裝置，其特征在于，包括：

提取模塊，用于根據預設的深度殘差網絡，提取振動數據樣本中的源域特征以及目標域特征；

注意力模塊，用于基于所述源域特征確定故障類別對應的注意力權重；

正向特征模塊，用于根據所述注意力權重和所述源域特征，確定故障正向特征；

鑒別模塊，用于將所述目標域特征和所述故障正向特征經過域鑒別器進行鑒別處理，以確定設備故障類別。

8.根據權利要求7所述的設備故障診斷裝置，其特征在于，所述源域特征包括故障類別標簽，所述注意力模塊包括：

預測類別單元，用于獲取所述源域特征的故障類別向量和所述故障類別向量攜帶的預測類別標簽；

梯度計算單元，用于當所述預測類別標簽與所述故障類別標簽相同時，將所述故障類別向量和所述源域特征進行梯度計算，以得到注意力權重。

9.一種計算機設備，包括存儲器和處理器，所述存儲器中存儲有計算機程序，所述處理器執行所述計算機程序時實現如權利要求1至6中任一項所述的設備故障診斷方法的步驟。

10.一種計算機可讀存儲介質，其特征在于，所述計算機可讀存儲介質上存儲有計算機程序，所述計算機程序被處理器執行時實現如權利要求1至6中任一項所述的設備故障診斷方法的步驟。