[發明專利]一種工業設備故障預測方法、裝置、電子設備及存儲介質

在審

• 申請號: 202211127600.5
• 申請日: 2022-09-16
• 公開（公告）號: CN115375039A
• 公開（公告）日: 2022-11-22
• 發明（設計）人: 佘靖雯;何秀;陳智超;錢文潔;陳靈珊;郭會強;吳春龍;崔寧;李卅
• 申請（專利權）人: 上海飛機制造有限公司
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q10/00;G06Q50/04;G06N7/00
• 代理公司: 北京品源專利代理有限公司 11332
• 代理人: 康歡歡

1.一種工業設備故障預測方法，其特征在于，包括：

獲取工業設備運行過程中的故障數據和穩態數據；

利用預先設置的樸素貝葉斯模型對所述故障數據和穩態數據進行處理，得到精度系數；其中，所述精度系數包括總體分類精度和Kappa系數；

確定與所述精度系數相關聯的故障先驗概率和故障條件概率，并根據所述故障先驗概率和故障條件概率計算得到工業設備發生故障的后驗概率。

2.根據權利要求1所述的方法，其特征在于，獲取工業設備運行過程中的穩態數據，包括：

獲取工業設備運行過程中的待處理穩態數據；

利用預先設置的隨機欠采樣技術對所述待處理穩態數據進行處理，得到穩態數據；其中，所述穩態數據的數量和所述故障數據的數量相同。

3.根據權利要求1所述的方法，其特征在于，利用預先設置的樸素貝葉斯模型對所述故障數據和穩態數據進行處理，得到精度系數，包括：

根據所述故障數據和穩態數據，確定訓練樣本和測試樣本；

利用預先設置的樸素貝葉斯模型對所述訓練樣本和測試樣本進行處理，得到混淆矩陣；

按照預設設置的計算公式，對所述混淆矩陣中的樣本分類數據進行計算，得到精度系數。

4.根據權利要求3所述的方法，其特征在于，利用預先設置的樸素貝葉斯模型對所述訓練樣本和測試樣本進行處理，得到混淆矩陣，包括：

利用預先設置的樸素貝葉斯模型對所述訓練樣本進行處理，得到訓練樣本的先驗概率和條件概率；

基于所述測試樣本、訓練樣本的先驗概率和條件概率，計算得到測試樣本的后驗概率；

將所述測試樣本的后驗概率與預先確定的真實后驗概率進行比較，得到樣本分類數據，并基于樣本分類數據構建混淆矩陣。

5.根據權利要求1所述的方法，其特征在于，在得到精度系數之后，所述方法還包括：

將所述精度系數與預設閾值進行比較，得到目標精度系數；

相應的，確定與所述精度系數相關聯的故障先驗概率和故障條件概率，包括：

確定與所述目標精度系數相關聯的故障先驗概率和故障條件概率。

6.根據權利要求5所述的方法，其特征在于，確定與所述目標精度系數相關聯的故障先驗概率和故障條件概率，包括：

根據所述目標精度系數，確定與所述目標精度系數相關聯的樣本表；

從所述樣本表中進行查找，得到與所述目標精度系數相關聯的故障先驗概率和故障條件概率。

7.一種工業設備故障預測裝置，其特征在于，包括：

數據獲取模塊，用于獲取工業設備運行過程中的故障數據和穩態數據；

精度系數得到模塊，用于利用預先設置的樸素貝葉斯模型對所述故障數據和穩態數據進行處理，得到精度系數；其中，所述精度系數包括總體分類精度和Kappa系數；

后驗概率計算模塊，用于確定與所述精度系數相關聯的故障先驗概率和故障條件概率，并根據所述故障先驗概率和故障條件概率計算得到工業設備發生故障的后驗概率。

8.根據權利要求7所述的裝置，其特征在于，數據獲取模塊，具體用于：

獲取工業設備運行過程中的待處理穩態數據；

利用預先設置的隨機欠采樣技術對所述待處理穩態數據進行處理，得到穩態數據；其中，所述穩態數據的數量和所述故障數據的數量相同。

9.一種電子設備，其特征在于，所述電子設備包括：

至少一個處理器；以及

與所述至少一個處理器通信連接的存儲器；其中，

所述存儲器存儲有可被所述至少一個處理器執行的計算機程序，所述計算機程序被所述至少一個處理器執行，以使所述至少一個處理器能夠執行權利要求1-6中任一項所述的一種工業設備故障預測方法。

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存儲有計算機指令，所述計算機指令用于使處理器執行時實現權利要求1-6中任一項所述的一種工業設備故障預測方法。