[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 |
| 地址: | 310052 浙江省杭州市濱江*** | 國省代碼: | 浙江;33 |
| 權利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關鍵詞: | 檢測 數據中心 設備 獲得 模型 方法 裝置 | ||
本說明書實施例提供檢測數據中心的設備、獲得設備檢測模型的方法及裝置,其中所述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。
技術領域
本說明書實施例涉及機器設備技術領域,特別涉及檢測數據中心的設備、獲得設備檢測模型的方法及裝置。
背景技術
隨著機器設備的不斷發展,在工作、生產、生活的各個方面有各種各樣的機器設備來幫助人們完成任務。尤其在大型工作現場中,機器設備的種類多,數量大。為了保障工作的順利進行,通常要對設備進行檢查。人工設備巡檢是目前發現機器設備運行異常的重要手段之一。但隨著工作現場規模的不斷擴大,運維成本不斷上升,且存在巡檢標準不容易統一,巡檢質量嚴重依賴運維人員經驗等問題。因此,為了提升運維效率和診斷能力,亟需一種更高效的檢測機器設備的手段。
發明內容
有鑒于此,本說明書實施例提供了檢測數據中心的設備的方法、獲得設備檢測模型的方法,以及檢測設備的方法。本說明書一個或者多個實施例同時涉及獲得設備檢測模型的裝置、檢測設備的裝置,計算設備,計算機可讀存儲介質以及計算機程序,以解決現有技術中存在的技術缺陷。
根據本說明書實施例的第一方面,提供了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。
根據本說明書實施例的第二方面,提供了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。
可選地,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。
可選地,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。
可選地,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。
可選地,所述機器設備為水泵。
根據本說明書實施例的第三方面,提供了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。
該專利技術資料僅供研究查看技術是否侵權等信息,商用須獲得專利權人授權。該專利全部權利屬于阿里巴巴(中國)有限公司;阿里云計算有限公司,未經阿里巴巴(中國)有限公司;阿里云計算有限公司許可,擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作,請聯系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/202210299778.1/2.html,轉載請聲明來源鉆瓜專利網。





