[發明專利]檢測數據中心的設備、獲得設備檢測模型的方法及裝置

在審

• 申請號: 202210299778.1
• 申請日: 2022-03-25
• 公開（公告）號: CN114417940A
• 公開（公告）日: 2022-04-29
• 發明（設計）人: 潘兵;王加龍;理棧;史佳成
• 申請（專利權）人: 阿里巴巴（中國）有限公司;阿里云計算有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G06N20/10;G06N7/00;G06N3/08;G01H17/00;F04B51/00
• 代理公司: 北京智信禾專利代理有限公司 11637
• 代理人: 趙杰

1.一種檢測數據中心的設備的方法，包括：

獲取數據中心中的機器設備在工作過程中振動的時序信號，其中，所述時序信號中包括各個時間點的振幅；

將所述時序信號轉換為頻域信號，其中，所述頻域信號包括各個頻率點的振幅；

按預設采樣要求，取所述頻域信號中若干個頻率點的頻率和對應的振幅作為檢測數據；

將所述檢測數據輸入設備檢測模型，得到所述機器設備的檢測結果，其中，所述設備檢測模型預先基于機器學習模型對訓練樣本的特征分布學習得到。

2.一種獲得設備檢測模型的方法，包括：

獲取機器設備在工作過程中振動的時序信號，其中，所述時序信號中包括各個時間點的振幅；

將所述時序信號轉換為頻域信號，其中，所述頻域信號包括各個頻率點的振幅；

按預設采樣要求，取所述頻域信號中若干個頻率點的頻率和對應的振幅作為訓練樣本；

將所述訓練樣本輸入機器學習模型，以對訓練樣本的特征分布進行學習，得到學習后的設備檢測模型。

3.根據權利要求2所述的方法，所述按預設采樣要求，取所述頻域信號中若干個頻率點的頻率和對應的振幅作為訓練樣本，包括：

從所述頻域信號的若干個預設頻段中，分別取振幅滿足預設振幅要求的一個或多個頻率點的頻率和對應的振幅作為訓練樣本。

4.根據權利要求3所述的方法，所述從所述頻域信號的若干個預設頻段中，分別取振幅滿足預設振幅要求的一個或多個頻率點的頻率和對應的振幅作為輸入樣本，包括：

針對所述頻域信號的若干預設頻段的每個預設頻段，取該預設頻段內按振幅從大到小排序，排序在前預設數量個的頻率點的頻率和對應的振幅作為訓練樣本。

5.根據權利要求2所述的方法，所述將所述訓練樣本輸入機器學習模型，以對訓練樣本的特征分布進行學習，得到學習后的設備檢測模型，包括：

將所述訓練樣本輸入核密度估計模型，以對訓練樣本的特征分布進行學習，得到學習后的設備檢測模型。

6.根據權利要求2所述的方法，所述機器設備為水泵。

7.一種獲得設備檢測模型的裝置，包括：

訓練信號獲取模塊，被配置為獲取機器設備在工作過程中振動的時序信號，其中，所述時序信號中包括各個時間點的振幅；

訓練信號轉換模塊，被配置為將所述時序信號轉換為頻域信號，其中，所述頻域信號包括各個頻率點的振幅；

訓練樣本提取模塊，被配置為按預設采樣要求，取所述頻域信號中若干個頻率點的頻率和對應的振幅作為訓練樣本；

訓練模塊，被配置為將所述訓練樣本輸入機器學習模型，以對訓練樣本的特征分布進行學習，得到學習后的設備檢測模型。

8.一種檢測設備的方法，包括：

獲取機器設備在工作過程中振動的時序信號，其中，所述時序信號中包括各個時間點的振幅；

將所述時序信號轉換為頻域信號，其中，所述頻域信號包括各個頻率點的振幅；

按預設采樣要求，取所述頻域信號中若干個頻率點的頻率和對應的振幅作為檢測數據；

將所述檢測數據輸入設備檢測模型，得到所述機器設備的檢測結果，其中，所述設備檢測模型預先基于機器學習模型對訓練樣本的特征分布學習得到。

9.根據權利要求8所述的方法，所述機器設備為水泵。

10.根據權利要求8所述的方法，所述獲取機器設備在工作過程中振動的時序信號，包括：

定時從云存儲服務獲取所述機器設備在當前工作過程中振動的時序信號。

11.根據權利要求8所述的方法，所述檢測結果為所述機器設備為正常的概率值，所述方法還包括：

根據所述機器設備為正常的概率值輸出異常評估信息。