[發明專利]設備故障診斷方法、裝置、電子設備及存儲介質

在審

• 申請號: 202210375676.3
• 申請日: 2022-04-11
• 公開（公告）號: CN114722942A
• 公開（公告）日: 2022-07-08
• 發明（設計）人: 聶泳忠;劉木莞
• 申請（專利權）人: 西人馬（深圳）科技有限責任公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06K9/00;G06N3/04;G06N3/08
• 代理公司: 北京三聚陽光知識產權代理有限公司 11250
• 代理人: 劉賀秋

本發明公開了設備故障診斷方法、裝置、電子設備及存儲介質，故障診斷方法包括：獲取待進行故障診斷的設備運行時產生的原始信號數據，對原始信號數據進行數據分割處理，以將原始信號數據分割為多個第一子數據；對多個第一子數據分別進行時頻變換處理，以對應生成多個第二子數據；對多個第一子數據進行特征提取，以得到第一特征提取結果，并對多個第二子數據進行特征提取，以得到第二特征提取結果；對第一特征提取結果和第二特征提取結果進行特征融合，以得到融合后的特征；根據融合后的特征確定設備的故障診斷結果。本發明相比于現有技術降低了數據處理難度，提高了數據處理準確度，進而明顯提高了設備故障診斷的可靠性和準確性。

技術領域

本發明涉及故障診斷技術領域，更為具體地，本發明能夠提供一種設備故障診斷方法、裝置、電子設備及存儲介質。

背景技術

目前，設備的故障診斷可采用時域信號處理、頻域信號處理或時頻域結合等方法，但這些方法對使用者在相關領域的專業知識要求較高，經常出現因使用者經驗不足導致故障診斷效果不理想的問題，存在較大局限。近年來，人工智能尤其是深度學習的快速發展，基于深度學習模型的設備故障預測成為了可能。然而對于設備運行時產生的大規模且復雜的信號，常規的設備故障診斷技術方案存在信號數據處理難度高而導致故障診斷結果可靠性較差、準確性較低等問題，故亟待需要解決。

發明內容

為解決現有技術存在的設備故障診斷結果不可靠、不準確的問題，本發明能夠提供一種設備故障診斷方法、裝置、電子設備及存儲介質，從而達到提高設備故障診斷可靠性和準確性等技術目的。

為實現上述的技術目的，本發明能夠提供一種設備故障診斷方法，該故障診斷方法可包括但不限于如下的至少一個步驟。

獲取待進行故障診斷的設備運行時產生的原始信號數據。

對所述原始信號數據進行數據分割處理，以將所述原始信號數據分割為多個第一子數據。

對所述多個第一子數據分別進行時頻變換處理，以對應生成多個第二子數據。

對所述多個第一子數據進行特征提取，以得到第一特征提取結果，并對所述多個第二子數據進行特征提取，以得到第二特征提取結果。

對所述第一特征提取結果和所述第二特征提取結果進行特征融合，以得到融合后的特征。

根據所述融合后的特征確定設備的故障診斷結果。

為實現上述的技術目的，本發明還能夠提供一種設備故障診斷裝置，該設備故障診斷裝置具體可包括但不限于數據獲取模塊、數據分割模塊、時頻變換模塊、特征提取模塊、特征融合模塊以及故障判斷模塊。

數據獲取模塊，用于獲取待進行故障診斷的設備運行時產生的原始信號數據。

數據分割模塊，用于對所述原始信號數據進行數據分割處理，以將所述原始信號數據分割為多個第一子數據。

時頻變換模塊，用于對所述多個第一子數據分別進行時頻變換處理，以對應生成多個第二子數據。

特征提取模塊，用于對所述多個第一子數據進行特征提取，以得到第一特征提取結果，并用于對所述多個第二子數據進行特征提取，以得到第二特征提取結果。

特征融合模塊，用于對所述第一特征提取結果和所述第二特征提取結果進行特征融合，以得到融合后的特征。

故障判斷模塊，用于根據所述融合后的特征確定設備的故障診斷結果。

為實現上述的技術目的，本發明還可提供一種電子設備，該電子設備包括存儲器和處理器，所述存儲器中存儲有計算機可讀指令，該計算機可讀指令被所述處理器執行時，使得所述處理器執行本發明任一實施例所述設備故障診斷方法的步驟。