CN112509292B - 故障预测方法、装置、电子设备及计算机可读存储介质 - Google Patents
故障预测方法、装置、电子设备及计算机可读存储介质 Download PDFInfo
- Publication number
- CN112509292B CN112509292B CN202011483059.2A CN202011483059A CN112509292B CN 112509292 B CN112509292 B CN 112509292B CN 202011483059 A CN202011483059 A CN 202011483059A CN 112509292 B CN112509292 B CN 112509292B
- Authority
- CN
- China
- Prior art keywords
- value
- time
- sensor
- preset
- detection
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
- G08B21/18—Status alarms
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
- G01D21/00—Measuring or testing not otherwise provided for
- G01D21/02—Measuring two or more variables by means not covered by a single other subclass
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Emergency Management (AREA)
- Testing And Monitoring For Control Systems (AREA)
Abstract
本申请实施例提供了一种故障预测方法、装置、电子设备及计算机可读存储介质，涉及故障预测领域。该方法包括：获取当前时间前预设的第一检测时间内若干个传感器中每个传感器对机器的预设属性的检测值；针对每一传感器，根据所述检测值、该传感器预设的权重值和指数平滑预测方法，预测当前时间后的第一预测时间所述传感器的第一预测值；针对每一传感器，若该传感器的第一预测值大于预设的第一报警阈值，生成用于提示所述机器在所述第一预测时间后将要发生故障的第一提示信息，并输出所述第一提示信息。本申请实施例实现了提高了故障预测的精确度，能在机器发生故障之前进行提示。
Description
技术领域
本申请涉及故障预测技术领域，具体而言，本申请涉及一种故障预测方法、装置、电子设备及计算机可读存储介质。
背景技术
随着技术的发展，各种机器设备被用于自动化生产、发电、运输等产业。机器通常能正常运行很长时间，如能正常运行几个月的时间。而机器在运行较长时间后，就易发生故障，机器若发生故障，会对机器的使用造成较大影响，甚至对机器造成损伤。
现有的方案中，可以对机器的故障进行预测，而对故障的预测的精确度不高，会对用户造成误导，因此如何提高预测故障的精确度，就成了现有技术的需求。
发明内容
本申请的目的旨在至少能解决上述的技术缺陷之一，特提出以下技术方案：
第一方面，提供了一种故障预测的方法，该方法包括：
获取当前时间前预设的第一检测时间内若干个传感器中每个传感器对机器的预设属性的检测值；
针对每一传感器，根据所述检测值、该传感器预设的权重值和指数平滑预测方法，预测当前时间后的第一预测时间所述传感器的第一预测值；
针对每一传感器，若该传感器的第一预测值大于预设的第一报警阈值，生成用于提示所述机器在所述第一预测时间后将要发生故障的第一提示信息，并输出所述第一提示信息。
第二方面，提供了一种故障预测的装置，该装置包括：
获取模块，用于获取当前时间前预设的第一检测时间内若干个传感器中每个传感器对机器的预设属性的检测值；
第一预测模块，用于针对每一传感器，根据所述检测值、该传感器预设的权重值和指数平滑预测方法，预测当前时间后的第一预测时间所述传感器的第一预测值；
第一提示模块，用于针对每一传感器，若该传感器的第一预测值大于预设的第一报警阈值，生成用于提示所述机器在所述第一预测时间后将要发生故障的第一提示信息，并输出所述第一提示信息。
第三方面，提供了一种电子设备，该电子设备包括：
一个或多个处理器；
存储器；
一个或多个应用程序，其中一个或多个应用程序被存储在存储器中并被配置为由一个或多个处理器执行，一个或多个程序配置用于：执行根据本申请第一方面所示的故障预测方法。
第四方面，提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现本申请第一方面所示的故障预测方法。
本申请提供的技术方案带来的有益效果是：获取每个传感器对机器的预设属性的检测值后，即可根据检测值、该传感器预设的权重值和指数平滑预测方法，预测当前时间后的第一预测时间传感器的第一预测值，若该传感器的第一预测值大于预设的第一报警阈值，生成用于提示机器在第一预测时间后将要发生故障的第一提示信息，并输出第一提示信息，生成的第一预测值精确，提高了故障预测的精确度，能在机器发生故障之前进行提示，可使用户在机器发生故障之前进行干预，减少了机器发生故障的频率，减少机器因发生故障对机器本身造成的损伤。
附图说明
为了更清楚地说明本申请实施例中的技术方案，下面将对本申请实施例描述中所需要使用的附图作简单地介绍。
图1为本申请实施例提供的一种故障预测方法的应用环境示意图；
图2为本申请实施例提供的一种故障预测方法的流程示意图；
图3为图2中步骤S202的详细流程示意图；
图4为本申请实施例提供的一种故障预测方法还包括的流程示意图；
图5为本申请实施例提供的一种故障预测方法还包括的流程示意图；
图6为本申请实施例提供的一种故障预测方法应用的电子设备显示第一预测值、第一报警阈值和第二报警阈值的示意图；
图7为本申请实施例提供的一种故障预测装置的结构示意图；
图8为本申请实施例提供的一种故障预测的电子设备的结构示意图。
具体实施方式
下面详细描述本申请的实施例，实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，仅用于解释本申请，而不能解释为对本发明的限制。
本技术领域技术人员可以理解，除非特意声明，这里使用的单数形式“一”、“一个”和“该”也可包括复数形式。应该进一步理解的是，本申请的说明书中使用的措辞“包括”是指存在特征、整数、步骤、操作、元件和/或组件，但是并不排除存在或添加一个或多个其他特征、整数、步骤、操作、元件、组件和/或它们的组。应该理解，当我们称元件被“连接”或“耦接”到另一元件时，它可以直接连接或耦接到其他元件，或者也可以存在中间元件。此外，这里使用的“连接”或“耦接”可以包括无线连接或无线耦接。这里使用的措辞“和/或”包括一个或更多个相关联的列出项的全部或任一单元和全部组合。
为使本申请的目的、技术方案和优点更加清楚，下面将结合附图对本申请实施方式作进一步地详细描述。
本申请提供的故障预测方法、装置、电子设备和计算机可读存储介质，旨在解决现有技术的如上技术问题。
下面以具体地实施例对本申请的技术方案以及本申请的技术方案如何解决上述技术问题进行详细说明。下面这几个具体的实施例可以相互结合，对于相同或相似的概念或过程可能在某些实施例中不再赘述。下面将结合附图，对本申请的实施例进行描述。
本申请提供的故障预测方法，可以应用于如图1所示的应用环境中，用于对机器101的故障进行预测。具体的，电子设备102和终端上的传感器通信连接，电子设备102获取当前时间前预设的第一检测时间内若干个传感器中每个传感器对机器101的预设属性的检测值；针对每一传感器，根据检测值、该传感器预设的权重值和指数平滑预测方法，预测当前时间后的第一预测时间传感器的第一预测值；针对每一传感器，若该传感器的第一预测值大于预设的第一报警阈值，生成用于提示机器101在第一预测时间后将要发生故障的第一提示信息，并输出第一提示信息。
本技术领域技术人员可以理解，电子设备可以包括终端、服务器或者其他电子设备。本申请中，“终端”可以是手机、平板电脑、PDA(Personal Digital Assistant，个人数字助理)、MID(Mobile Internet Device，移动互联网设备)等终端设备；“服务器”可以用独立的服务器或者是多个服务器组成的服务器集群来实现。
请参阅图2，本申请实施例中提供了一种故障预测方法，用于对机器的故障进行预测，故障预测方法可以应用于前述的电子设备，该方法包括：
S201：获取当前时间前预设的第一检测时间内若干个传感器中每个传感器对机器的预设属性的检测值。
本申请的故障预测方法，用于对机器的故障进行预测。机器的具体类型和用途等不做限定，如机器可以为旋转机械、移动机械等，机器可以用于发电、输出动能等。机器的预设属性也不做限定，机器的预设属性可以是机器的温度、压力、转速、震动和位移等。每个机器可以包括一个或多个检测点，不同的检测点可以检测相同或不同的预设属性。
若干个传感器的数量和类型不做限定，若干个传感器至少包括一个传感器，也可以包括多个传感器。不同的传感器检测的机器的预设属性可以相同或者不同。例如，传感器包括传感器A、传感器B和传感器C，传感器A用于检测机器的第一位置的温度值，传感器B用于检测机器的第二位置的压力值，传感器C用于检测机器的第三位置的温度值。
第一检测时间的长短不做限定，如第一时间可以是30天、25天、20天、35天和40天等。本申请中以第一检测时间为30天为例进行说明，获取当前时间前预设的第一检测时间内若干个传感器中每个传感器对机器的预设属性的检测值，可以为获取当前时间前30天内的若干个传感器中每个传感器对机器的预设属性的检测值。
电子设备可以实时获取传感器的检测值，并对获取的检测值进行存储，在需要时，电子设备即可获取到当前时间前预设的第一检测时间内若干个传感器中每个传感器对机器的预设属性的检测值。电子设备也可以每隔预设间隔时间获取一次传感器的检测值；预设间隔时间不做限定，如预设间隔时间可以为5s，10s，1min，2min等。获取的检测值可以存储在预设的数据库中，以在需要时从数据库中读取存储的检测值。
S202：针对每一传感器，根据检测值、该传感器预设的权重值和指数平滑预测方法，预测当前时间后的第一预测时间传感器的第一预测值。
指数平滑预测方法的具体方法不做限定，具体地，指数平滑预测方法可以为一次指数平滑法、二次指数平滑法和三次指数平滑法等。每种指数平滑预测方法都包括预设的平滑系数；平滑系数决定了平滑水平以及对预测值与实际结果之间差异的响应速度。针对每一传感器，根据检测值、该传感器预设的权重值和指数平滑预测方法，预测当前时间后的某一个时间的传感器的第一预测值。
平滑系数的具体大小不做限定，本申请中，平滑系数大于或等于0.1，平滑系数小于或等于1，平滑系数也可以小于或等于0.99，平滑系数可以根据需要进行设置。传感器预设的权重值的具体大小不做限定，本申请中，权重值大于或等于0.1，权重值小于或等于1。第一预测时间的长短不做限定，如第一预测时间可以是10天、7天、3天、1天、12h和6h等。本申请中，以第一预测时间为7天为例进行说明。
请参阅图3，根据检测值、该传感器预设的权重值和指数平滑预测方法，预测当前时间后的第一预测时间传感器的第一预测值，包括：
S301：根据第一计算时刻的检测值、第一计算时刻的前一个计算时刻的一次指数平滑值、第一计算时刻的前一个计算时刻的二次指数平滑值和预设的平滑系数确定第一计算时刻的一次指数平滑值和二次指数平滑值，其中针对每一传感器，计算时刻的检测值为该传感器在预设时间分段内的检测值的平均值。
本申请实施例中，指数平滑预测方法为二次指数平滑法。本申请中，为了区分不同的计算时刻，将不同的计算时刻区分为第一计算时刻、第二计算时刻等，本申请中，预先将第一检测时间划分为多个时间分段，每个时间分段为一个计算时刻。时间分段的时长不做限定，时间分段的时长可以为1天、0.5天、1小时和获取检测值的检测周期等。具体地，如时间分段为1天时，一个计算时刻的检测值为对应的一天内的检测值的平均值；如时间分段为1小时时，一个计算时刻的检测值为对应的1小时内的检测值的平均值；时间分段为一个检测周期时，具体地如一个检测周期为10s，即每间隔10s获取一次传感器的检测值，则该时间分段的检测值为对应的检测周期内的检测值。可以理解，一个检测周期内只有一个检测值，故该检测值不必进行平均。
本申请实施例中，以第一检测时间为30天，以计算时刻对应的时间分段为1天进行说明。其中，二次指数平滑法中，需要计算一次指数平滑值和二次指数平滑值，一次指数平滑值的计算公式为(公式1)，二次指数平滑值的计算公式(公式2)，具体如下：
其中，St (1)为第t计算时刻的一次指数平滑值，α为平滑系数，xt为第t计算时刻的检测值，
为第t-1计算时刻的一次指数平滑值；St (2)为第t计算时刻的二次指数平滑值，
为第t-1计算时刻的二次指数平滑值。
由公式可知，在第一计算时刻时，需要根据平滑系数、第一计算时刻的检测值、第一计算时刻的前一个计算时刻的一次指数平滑值，计算第一时刻的一次指数平滑值；在第一计算时刻时，需要根据平滑系数、第一时刻的一次指数平滑值和第一计算时刻的前一个计算时刻的二次指数平滑值，计算第一时刻的二次指数平滑值。
其中，第一检测时间为30天，计算时刻对应的时间分段为1天，则需要先计算30天中的第一天的一次指数平滑值、二次指数平滑值，在需要时，计算第二天的一次指数平滑值、二次指数平滑值等。可以理解，在第一个时间分段时，如30天的第一天时，在该时间分段对应的计算时刻时，不存在该计算时刻的前一个计算时刻的一次指数平滑值，也不存在该计算时刻的前一个计算时刻的二次指数平滑值。在本申请中，若计算第一计算时刻的一次指数平滑值时，若不存在第一计算时刻的前一个计算时刻的一次指数平滑值，则将第一计算时刻的检测值作为第一计算时刻的前一个计算时刻的一次指数平滑值；若计算第一计算时刻的二次指数平滑值时，若不存在第一计算时刻的前一个计算时刻的二次指数平滑值，将第一计算时刻的检测值作为第一计算时刻的前一个计算时刻的二次指数平滑值。
S302：根据第一计算时刻的一次指数平滑值、二次指数平滑值和该传感器预设的权重值确定第二计算时刻的第一预测值，并将第二计算时刻作为新的第一计算时刻，若新的第一计算时刻不包括检测值，还将第二计算时刻的第一预测值作为新的第一计算时刻的检测值，第二计算时刻为第一计算时刻的下一个计算时刻。
二次指数平滑法的计算公式如下：
xt+1＝at+bt×T (公式3)
at＝2St (1)-St (2) (公式4)
其中，xt+1为第t+1计算时刻的第一预测值，T为传感器预设的权重值，at和bt为中间参数，St (1)为第t计算时刻的一次指数平滑值，St (2)为第t计算时刻的二次指数平滑值，α为平滑系数。
传感器预设的权重值的大小不做限定，可以根据传感器的检测的属性的类型确定，或根据传感器检测的机器的位置的重要程度确定。传感器预设的权重值也可以根据其他方式确定，本申请中不再具体说明。
由公式可知，根据第一计算时刻的一次指数平滑值、二次指数平滑值和该传感器预设的权重值确定第二计算时刻的第一预测值，第二计算时刻为第一计算时刻的下一个计算时刻。
其中，若第一检测时间为30天，计算时刻对应的时间分段为1天，则在计算当前时间后的第一预测值，可能会不存在检测值的情况，如计算第32天的第一预测值时，也即预测当前时间后2天的第一预测值时，不存在第31天的检测值的情况，则将第31天的第一预测值作为第31天的检测值，也即将第二计算时刻作为新的第一计算时刻，若新的第一计算时刻不包括检测值，还将第二计算时刻的第一预测值作为新的第一计算时刻的检测值。
S303：重复执行根据第一计算时刻的检测值、第一计算时刻的前一个计算时刻的一次指数平滑值、第一计算时刻的前一个计算时刻的二次指数平滑值和预设的平滑系数确定第一计算时刻的一次指数平滑值和二次指数平滑值，其中针对每一传感器，计算时刻的检测值为该传感器在预设时间分段内的检测值的平均值，根据第一计算时刻的一次指数平滑值、二次指数平滑值和该传感器预设的权重值确定第二计算时刻的第一预测值，并将第二计算时刻作为新的第一计算时刻；若新的第一计算时刻不包括检测值，还将第二计算时刻的第一预测值作为新的第一计算时刻的检测值，第二计算时刻为第一计算时刻的下一个计算时刻的步骤，直至计算出当前时间后的第一预测时间传感器的第一预测值。
每执行一次步骤S201和步骤S202，即可得到下一个计算时刻的第一预测值，重复执行步骤S201和步骤S202，直至计算出当前时间后的第一预测时间传感器的第一预测值，如直至计算出当前时间后的第7天的该传感器的第一预测值。
S203：针对每一传感器，若该传感器的第一预测值大于预设的第一报警阈值，生成用于提示机器在第一预测时间后将要发生故障的第一提示信息，并输出第一提示信息。
第一报警阈值用于传感器的第一预测值大于预设的第一报警阈值时进行提示，提示的方式不做限定，可以以声音、文字等方式提示。第一报警阈值的大小不做限定。
其中，第一报警阈值可以为根据机器发生故障时对应的检测值的大小进行确定。可以理解，第一提示信息中还可以包括机器将要发生故障的位置，机器将要发生故障的位置对应的传感器等。
本申请的实施例提供的故障预测方法，获取每个传感器对机器的预设属性的检测值后，即可根据检测值、该传感器预设的权重值和指数平滑预测方法，预测当前时间后的第一预测时间传感器的第一预测值，若该传感器的第一预测值大于预设的第一报警阈值，生成用于提示机器在第一预测时间后将要发生故障的第一提示信息，并输出第一提示信息，生成的第一预测值精确，提高了故障预测的精确度，能在机器发生故障之前进行提示，可使用户在机器发生故障之前进行干预，减少了机器发生故障的频率，减少机器因发生故障对机器本身造成的损伤。
请参阅图4，本申请实施例还提供了一种可能的实现方式，故障预测方法还可以包括：
S401：针对每一传感器，若该传感器的第一预测值大于预设的第一报警阈值，根据当前时间前预设的第二检测时间内该传感器的检测值、该传感器预设的权重值和指数平滑预测方法，预测当前时间后的第二预测时间传感器的第二预测值，第二检测时间小于第一检测时间，第二预测时间小于第一预测时间。
第二检测时间小于第一检测时间，第二预测时间小于第一预测时间。第二检测时间的具体时长不做限定，第二预测时间的具体时长也不做限定。如第一检测时间为30天，则第二检测时间可以为7天，如第一预测时间为7天，第二预测时间可以为1天。本申请实施例中，即在当前时间后的第一预测时间传感器的第一预测值大于预设的第一报警阈值时，说明机器在第一预测时间时，机器有可能发生故障，选择根据距当前时间较短的第二检测时间内该传感器的检测值进行预测，以得到第二预测值，使得到的第二预测值更为精确。本申请中，预测当前时间后的第二预测时间传感器的第二预测值，与预测当前时间后的第一预测时间传感器的第一预测值的方案相同，本申请实施例不再进行具体说明。可以理解，预测第二预测值时使用的计算时刻的时间分段，可以小于预测第一预测值时使用的计算时刻的时间分段。具体地，如预测第一预测值时使用的计算时刻的时间分段为1天，则预测第二预测值时使用的计算时刻的时间分段可以为1h，使得得到的第二预测值更为精确。
S402：针对每一传感器，若该传感器的第二预测值大于预设的第一报警阈值，生成用于提示机器在第二预测时间后将要发生故障的第二提示信息，并输出第二提示信息。
第二提示信息的提示方式可以和第一提示信息的提示方式相同或者不同。
本申请的实施例，使得输出的第二提示信息更为精确。
请参阅图5，本申请实施例还提供了一种可能的实现方式，故障预测方法还可以包括：
S501：针对每一传感器，若该传感器的第二预测值大于预设的第一报警阈值，根据当前时间前预设的第三检测时间内该传感器的检测值、该传感器预设的权重值和指数平滑预测方法，预测传感器的第三预测值大于预设的第二报警阈值的故障时间，第三检测时间小于第二检测时间，第二报警阈值大于第一报警阈值。
第三检测时间小于第二检测时间。第三检测时间的具体时长不做限定。如第二检测时间为7天，则第三检测时间可以为1天或1小时。本申请实施例中，即在第二预测值大于预设的第一报警阈值时，说明机器在第二预测时间时，机器有可能发生故障，选择根据距当前时间较短的第三检测时间内该传感器的检测值进行预测，以得到第三预测值，使得到的第三预测值更为精确。本申请中，预测当前时间后的传感器的第三预测值，与预测当前时间后的传感器的第一预测值及第二预测值的方案相同，本申请实施例不再进行具体说明。可以理解，预测第三预测值时使用的计算时刻的时间分段，可以小于预测第二预测值时使用的计算时刻的时间分段。具体地，如预测第一预测值时使用的计算时刻的时间分段为1h，则预测第三预测值时使用的计算时刻的时间分段可以为一个检测周期，使得得到的第三预测值更为精确。
本申请实施例中，不再确定需要预测的预测时间，而是确定传感器的第三预测值大于预设的第二报警阈值的故障时间，依次向后计算第三预测值，若在当前时间5h后第三预测值大于第二报警阈值，这说明当前时间5h后机器可能发生故障。
S502：若故障时间小于或等于预设的故障阈值时间，生成用于提示机器即将要发生故障的第三提示信息并输出第三提示信息，和/或控制机器停止工作。
若故障时间小于或等于预设的故障阈值时间，说明机器距离要发生故障的时间较近，机器将要发生故障，则可以生成用于提示机器即将要发生故障的第三提示信息并输出第三提示信息。第三提示信息的提示方式可以和第一提示信息的提示方式相同或者不同。
若故障时间小于或等于预设的故障阈值时间，为了防止机器真正发生故障，若有需要，可以控制机器停止工作。
S503：若机器停止工作，获取更新后的目标传感器对应的权重值，和/或获取更新后的目标传感器对应的指数平滑预测方法中的平滑系数，目标传感器为小于预设的第一报警阈值的第一预测值对应的传感器。
机器停止工作时，可以是由电子设备自动控制机器停止工作，也可以是由用户手动控制机器停止工作。一个机器可以包括多个检测该机器的预设属性的传感器，在根据一个传感器的检测值，计算出来该传感器的故障时间小于或等于预设的故障阈值时间时，其他传感器对应的第一预测值可能还小于第一报警阈值，小于预设的第一报警阈值的第一预测值对应的传感器为目标传感器。
若机器停止工作，则用户可以修改目标传感器对应的权重值，和/或目标传感器对应的指数平滑预测方法中的平滑系数，也可以动设置自修改目标传感器对应的权重值，和/或目标传感器对应的指数平滑预测方法中的平滑系数，电子设备即可获取到更新后的目标传感器对应的权重值，和/或获取到更新后的目标传感器对应的指数平滑预测方法中的平滑系数，使得后续对传感器的预测值预测的更为精确。
本申请中，目标传感器对应的更新后的权重值小于更新前的权重值，目标传感器对应的更新后的平滑系数小于更新前的平滑系数。如将目标传感器对应的更新后的权重值小于更新前的权重值0.1，目标传感器对应的更新后的平滑系数小于更新前的平滑系数0.01。
本申请实施例还提供了一种可能的实现方式，故障预测方法还包括：
针对每一传感器，若当前时间后的第一预测时间该传感器的第一预测值大于预设的第一报警阈值，控制机器停止工作。
若当前时间后的第一预测时间该传感器的第一预测值大于预设的第一报警阈值，若有需要，可以控制机器停止工作。可以理解，也可以若传感器的第二预测值大于预设的第一报警阈值，控制机器停止工作。
本申请实施例还提供了一种可能的实现方式，第一提示信息还包括机器的故障率，生成用于提示机器在第一预测时间后将要发生故障的第一提示信息，并输出第一提示信息之前，方法还包括：
根据传感器的总数量、每个传感器的预设的权重值、第一预测值大于预设的第一报警阈值对应的传感器的数量，计算机器的故障率。
计算机器的故障率，可以依据公式6计算：
公式6中，P为机器的故障率，n为第一预测值大于预设的第一报警阈值对应的传感器的数量，Tn为第一预测值大于预设的第一报警阈值对应的传感器的权重值，N为传感器的总数量。由公式6可知，在计算机器的故障率时，将第一预测值大于预设的第一报警阈值对应的传感器对应的权重值相加，除以传感器的总数量，即可得到机器的故障率。
请参阅图6，本申请实施例还提供了一种可能的实现方式，故障预测方法还包括：
在预设的坐标系内显示第一报警阈值，并显示第一预测值和时间的对应关系。
在预设的坐标系内显示第一报警阈值A，并显示第一预测值C和时间的对应关系，可以使用户直观的看到第一预测值C与第一报警阈值A的差值，用户在看到显示第一报警阈值A和第一预测值C时，可以快速直观的了解到对应的传感器的检测的属性是否会将要发生异常，以确定机器是否将要发生故障。
可以理解，也可以在预设的坐标系内显示第二报警阈值B，便于用户查看预测值与第二报警阈值B的关系。可以理解，预设的坐标系内也可以显示第二预测值和第三预测值。
请参阅图7，本申请实施例提供了一种故障预测装置700，该故障预测装置700可以包括：
获取模块701，用于获取当前时间前预设的第一检测时间内若干个传感器中每个传感器对机器的预设属性的检测值；
第一预测模块702，用于针对每一传感器，根据检测值、该传感器预设的权重值和指数平滑预测方法，预测当前时间后的第一预测时间传感器的第一预测值；
第一提示模块703，用于针对每一传感器，若该传感器的第一预测值大于预设的第一报警阈值，生成用于提示机器在第一预测时间后将要发生故障的第一提示信息，并输出第一提示信息。
本申请的实施例提供的故障预测装置，获取每个传感器对机器的预设属性的检测值后，即可根据检测值、该传感器预设的权重值和指数平滑预测方法，预测当前时间后的第一预测时间传感器的第一预测值，若该传感器的第一预测值大于预设的第一报警阈值，生成用于提示机器在第一预测时间后将要发生故障的第一提示信息，并输出第一提示信息，生成的第一预测值精确，提高了故障预测的精确度，能在机器发生故障之前进行提示，可使用户在机器发生故障之前进行干预，减少了机器发生故障的频率，减少机器因发生故障对机器本身造成的损伤。
其中，故障预测装置700还可以包括：
第二预测模块，用于针对每一传感器，若该传感器的第一预测值大于预设的第一报警阈值，根据当前时间前预设的第二检测时间内该传感器的检测值、该传感器预设的权重值和指数平滑预测方法，预测当前时间后的第二预测时间传感器的第二预测值，第二检测时间小于第一检测时间，第二预测时间小于第一预测时间；
第二提示模块，用于针对每一传感器，若该传感器的第二预测值大于预设的第一报警阈值，生成用于提示机器在第二预测时间后将要发生故障的第二提示信息，并输出第二提示信息。
其中，故障预测装置700还可以包括：
第三预测模块，用于针对每一传感器，若该传感器的第二预测值大于预设的第一报警阈值，根据当前时间前预设的第三检测时间内该传感器的检测值、该传感器预设的权重值和指数平滑预测方法，预测传感器的第三预测值大于预设的第二报警阈值的故障时间，第三检测时间小于第二检测时间，第二报警阈值大于第一报警阈值；
第三提示模块，用于若故障时间小于或等于预设的故障阈值时间，生成用于提示机器即将要发生故障的第三提示信息并输出第三提示信息，和/或控制机器停止工作；
更新模块，用于若机器停止工作，获取更新后的目标传感器对应的权重值，和/或获取更新后的目标传感器对应的指数平滑预测方法中的平滑系数，目标传感器为小于预设的第一报警阈值的第一预测值对应的传感器。
其中，故障预测装置700还可以包括：
停止模块，用于针对每一传感器，若当前时间后的第一预测时间该传感器的第一预测值大于预设的第一报警阈值，控制机器停止工作。
其中，故障预测装置700还可以包括：
故障率计算模块，用于根据传感器的总数量、每个传感器的预设的权重值、第一预测值大于预设的第一报警阈值对应的传感器的数量，计算机器的故障率。
其中，第一预测模块702，包括；
平滑值计算单元，用于根据第一计算时刻的检测值、第一计算时刻的前一个计算时刻的一次指数平滑值、第一计算时刻的前一个计算时刻的二次指数平滑值和预设的平滑系数确定第一计算时刻的一次指数平滑值和二次指数平滑值，其中针对每一传感器，计算时刻的检测值为该传感器在预设时间分段内的检测值的平均值；
预测单元，用于根据第一计算时刻的一次指数平滑值、二次指数平滑值和该传感器预设的权重值确定第二计算时刻的第一预测值，并将第二计算时刻作为新的第一计算时刻，若新的第一计算时刻不包括检测值，还将第二计算时刻的第一预测值作为新的第一计算时刻的检测值，第二计算时刻为第一计算时刻的下一个计算时刻；
重复执行单元，用于重复执行根据第一计算时刻的检测值、第一计算时刻的前一个计算时刻的一次指数平滑值、第一计算时刻的前一个计算时刻的二次指数平滑值和预设的平滑系数确定第一计算时刻的一次指数平滑值和二次指数平滑值，其中针对每一传感器，计算时刻的检测值为该传感器在预设时间分段内的检测值的平均值，根据第一计算时刻的一次指数平滑值、二次指数平滑值和该传感器预设的权重值确定第二计算时刻的第一预测值，并将第二计算时刻作为新的第一计算时刻；若新的第一计算时刻不包括检测值，还将第二计算时刻的第一预测值作为新的第一计算时刻的检测值，第二计算时刻为第一计算时刻的下一个计算时刻的步骤，直至计算出当前时间后的第一预测时间传感器的第一预测值。
其中，故障预测装置700还可以包括：
显示模块，用于在预设的坐标系内显示第一报警阈值，并显示第一预测值和时间的对应关系。
请参阅图8，在一个可选实施例中提供了一种电子设备，电子设备8000包括：处理器8001和存储器8003。其中，处理器8001和存储器8003相连，如通过总线8002相连。可选地，电子设备8000还可以包括收发器8004。需要说明的是，实际应用中收发器8004不限于一个，该电子设备8000的结构并不构成对本申请实施例的限定。
处理器8001可以是CPU(Central Processing Unit，中央处理器)，通用处理器，DSP(Digital Signal Processor，数据信号处理器)，ASIC(Application SpecificIntegrated Circuit，专用集成电路)，FPGA(FieldProgrammable Gate Array，现场可编程门阵列)或者其他可编程逻辑器件、晶体管逻辑器件、硬件部件或者其任意组合。其可以实现或执行结合本申请公开内容所描述的各种示例性的逻辑方框，模块和电路。处理器8001也可以是实现计算功能的组合，例如包含一个或多个微处理器组合，DSP和微处理器的组合等。
总线8002可包括一通路，在上述组件之间传送信息。总线8002可以是PCI(Peripheral Component Interconnect，外设部件互连标准)总线或EISA(ExtendedIndustry Standard Architecture，扩展工业标准结构)总线等。总线8002可以分为地址总线、数据总线、控制总线等。为便于表示，图中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。
存储器8003可以是ROM(Read Only Memory，只读存储器)或可存储静态信息和指令的其他类型的静态存储设备，RAM(Random Access Memory，随机存取存储器)或者可存储信息和指令的其他类型的动态存储设备，也可以是EEPROM(Electrically ErasableProgrammable Read Only Memory，电可擦可编程只读存储器)、CD-ROM(Compact DiscReadOnly Memory，只读光盘)或其他光盘存储、光碟存储(包括压缩光碟、激光碟、光碟、数字通用光碟、蓝光光碟等)、磁盘存储介质或者其他磁存储设备、或者能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质，但不限于此。
存储器8003用于存储执行本申请方案的应用程序代码，并由处理器8001来控制执行。处理器8001用于执行存储器8003中存储的应用程序代码，以实现前述方法实施例所示的内容。
其中，电子设备包括但不限于：终端和服务器。
本申请实施例中提供了一种电子设备，该电子设备包括：存储器和处理器；至少一个程序，存储于存储器中，用于被处理器执行时，实现前述方法实施例中相应内容，与现有技术相比可实现：获取每个传感器对机器的预设属性的检测值后，即可根据检测值、该传感器预设的权重值和指数平滑预测方法，预测当前时间后的第一预测时间传感器的第一预测值，若该传感器的第一预测值大于预设的第一报警阈值，生成用于提示机器在第一预测时间后将要发生故障的第一提示信息，并输出第一提示信息，生成的第一预测值精确，提高了故障预测的精确度，能在机器发生故障之前进行提示，可使用户在机器发生故障之前进行干预，减少了机器发生故障的频率，减少机器因发生故障对机器本身造成的损伤。
本申请实施例提供了一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，当其在计算机上运行时，使得计算机可以执行前述方法实施例中相应内容。与现有技术相比，获取每个传感器对机器的预设属性的检测值后，即可根据检测值、该传感器预设的权重值和指数平滑预测方法，预测当前时间后的第一预测时间传感器的第一预测值，若该传感器的第一预测值大于预设的第一报警阈值，生成用于提示机器在第一预测时间后将要发生故障的第一提示信息，并输出第一提示信息，生成的第一预测值精确，提高了故障预测的精确度，能在机器发生故障之前进行提示，可使用户在机器发生故障之前进行干预，减少了机器发生故障的频率，减少机器因发生故障对机器本身造成的损伤。
应该理解的是，虽然附图的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，其可以以其他的顺序执行。而且，附图的流程图中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，其执行顺序也不必然是依次进行，而是可以与其他步骤或者其他步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
以上仅是本发明的部分实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。
Claims (9)
1.一种故障预测方法，其特征在于，所述方法包括：
获取当前时间前预设的第一检测时间内若干个传感器中每个传感器对机器的预设属性的检测值；
针对每一传感器重复执行以下操作，直至计算出当前时间后的第一预测时间所述传感器的第一预测值：
根据第一计算时刻的所述检测值、所述第一计算时刻的前一个计算时刻的一次指数平滑值、所述第一计算时刻的前一个计算时刻的二次指数平滑值和预设的平滑系数确定所述第一计算时刻的一次指数平滑值和二次指数平滑值，其中，针对每一传感器，所述第一计算时刻的所述检测值为该传感器在预设时间分段内的检测值的平均值；
根据所述第一计算时刻的一次指数平滑值、二次指数平滑值和所述该传感器预设的权重值确定第二计算时刻的第一预测值，并将所述第二计算时刻作为新的第一计算时刻；
若所述新的第一计算时刻的检测值为空，还将所述第二计算时刻的第一预测值作为所述新的第一计算时刻的检测值，其中，所述第二计算时刻为所述第一计算时刻的下一个计算时刻；
针对每一传感器，若该传感器的第一预测值大于预设的第一报警阈值，生成用于提示所述机器在所述第一预测时间后将要发生故障的第一提示信息，并输出所述第一提示信息。
2.根据权利要求1所述的故障预测方法，其特征在于，所述方法还包括：
针对每一传感器，若该传感器的第一预测值大于预设的第一报警阈值，根据当前时间前预设的第二检测时间内该传感器的检测值、该传感器预设的权重值和指数平滑预测方法，预测当前时间后的第二预测时间所述传感器的第二预测值，所述第二检测时间小于第一检测时间，所述第二预测时间小于第一预测时间；
针对每一传感器，若该传感器的第二预测值大于预设的第一报警阈值，生成用于提示所述机器在所述第二预测时间后将要发生故障的第二提示信息，并输出所述第二提示信息。
3.根据权利要求2所述的故障预测方法，其特征在于，所述方法还包括：
针对每一传感器，若该传感器的第二预测值大于预设的第一报警阈值，根据当前时间前预设的第三检测时间内该传感器的检测值、该传感器预设的权重值和指数平滑预测方法，预测所述传感器的第三预测值大于预设的第二报警阈值的故障时间，所述第三检测时间小于第二检测时间，所述第二报警阈值大于所述第一报警阈值；
若所述故障时间小于或等于预设的故障阈值时间，生成用于提示所述机器即将要发生故障的第三提示信息并输出所述第三提示信息，和/或控制所述机器停止工作；
若所述机器停止工作，获取更新后的目标传感器对应的权重值，和/或获取更新后的目标传感器对应的指数平滑预测方法中的平滑系数，所述目标传感器为小于预设的第一报警阈值的第一预测值对应的传感器。
4.根据权利要求1所述的故障预测方法，其特征在于，所述方法还包括：
针对每一传感器，若当前时间后的第一预测时间该传感器的第一预测值大于预设的第一报警阈值，控制所述机器停止工作。
5.根据权利要求1所述的故障预测方法，其特征在于，所述第一提示信息还包括所述机器的故障率，所述生成用于提示所述机器在所述第一预测时间后将要发生故障的第一提示信息，并输出所述第一提示信息之前，所述方法还包括：
根据所述传感器的总数量、每个传感器的预设的所述权重值、所述第一预测值大于预设的第一报警阈值对应的传感器的数量，计算所述机器的故障率。
6.根据权利要求1所述的故障预测方法，其特征在于，所述方法还包括：
在预设的坐标系内显示所述第一报警阈值，并显示所述第一预测值和时间的对应关系。
7.一种故障预测装置，其特征在于，包括：
获取模块，用于获取当前时间前预设的第一检测时间内若干个传感器中每个传感器对机器的预设属性的检测值；
第一预测模块，包括平滑值计算单元、预测单元、重复执行单元，所述重复执行单元用于针对每一传感器重复执行以下操作，直至计算出当前时间后的第一预测时间所述传感器的第一预测值：
所述平滑值计算单元，用于根据第一计算时刻的所述检测值、所述第一计算时刻的前一个计算时刻的一次指数平滑值、所述第一计算时刻的前一个计算时刻的二次指数平滑值和预设的平滑系数确定所述第一计算时刻的一次指数平滑值和二次指数平滑值，其中针对每一传感器，所述第一计算时刻的所述检测值为该传感器在预设时间分段内的检测值的平均值；
所述预测单元，用于根据所述第一计算时刻的一次指数平滑值、二次指数平滑值和所述该传感器预设的权重值确定第二计算时刻的第一预测值，并将所述第二计算时刻作为新的第一计算时刻；若所述新的第一计算时刻的检测值为空，还将所述第二计算时刻的第一预测值作为所述新的第一计算时刻的检测值，所述第二计算时刻为所述第一计算时刻的下一个计算时刻；
第一提示模块，用于针对每一传感器，若该传感器的第一预测值大于预设的第一报警阈值，生成用于提示所述机器在所述第一预测时间后将要发生故障的第一提示信息，并输出所述第一提示信息。
8.一种电子设备，其特征在于，其包括：
一个或多个处理器；
存储器；
一个或多个应用程序，其中所述一个或多个应用程序被存储在所述存储器中并被配置为由所述一个或多个处理器执行，所述一个或多个程序配置用于：执行根据权利要求1～6任一项所述的故障预测方法。
9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现权利要求1～6任一项所述的故障预测方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011483059.2A CN112509292B (zh) | 2020-12-15 | 2020-12-15 | 故障预测方法、装置、电子设备及计算机可读存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011483059.2A CN112509292B (zh) | 2020-12-15 | 2020-12-15 | 故障预测方法、装置、电子设备及计算机可读存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112509292A CN112509292A (zh) | 2021-03-16 |
| CN112509292B true CN112509292B (zh) | 2022-04-29 |
Family
ID=74972352
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011483059.2A Active CN112509292B (zh) | 2020-12-15 | 2020-12-15 | 故障预测方法、装置、电子设备及计算机可读存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112509292B (zh) |
Families Citing this family (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113807211A (zh) * | 2021-08-31 | 2021-12-17 | 武汉理工大学 | 设备运行状态预警方法、计算机设备及存储介质 |
| CN114323146A (zh) * | 2021-12-31 | 2022-04-12 | 苏州苏福马机械有限公司 | 连续压机感知***可靠性的诊断方法及设备 |
| CN116684306B (zh) * | 2023-06-29 | 2023-11-03 | 苏州浪潮智能科技有限公司 | 一种故障预测方法、装置、设备及可读存储介质 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103699668A (zh) * | 2013-12-30 | 2014-04-02 | 贵州电力试验研究院 | 基于数据断面一致性的配电网电气设备组合状态评估方法 |
| EP3089034A1 (en) * | 2015-04-29 | 2016-11-02 | Tata Consultancy Services Limited | System and method for optimizing energy consumption by processors |
| CN108376299A (zh) * | 2018-02-27 | 2018-08-07 | 深圳市智物联网络有限公司 | 一种设备运行趋势的预测方法及装置 |
| CN110851342A (zh) * | 2019-11-08 | 2020-02-28 | 中国工商银行股份有限公司 | 故障预测方法、装置、计算设备以及计算机可读存储介质 |
| CN112016739A (zh) * | 2020-08-17 | 2020-12-01 | 国网山东省电力公司潍坊供电公司 | 故障检测方法、装置、电子设备及存储介质 |
-
2020
- 2020-12-15 CN CN202011483059.2A patent/CN112509292B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103699668A (zh) * | 2013-12-30 | 2014-04-02 | 贵州电力试验研究院 | 基于数据断面一致性的配电网电气设备组合状态评估方法 |
| EP3089034A1 (en) * | 2015-04-29 | 2016-11-02 | Tata Consultancy Services Limited | System and method for optimizing energy consumption by processors |
| CN108376299A (zh) * | 2018-02-27 | 2018-08-07 | 深圳市智物联网络有限公司 | 一种设备运行趋势的预测方法及装置 |
| CN110851342A (zh) * | 2019-11-08 | 2020-02-28 | 中国工商银行股份有限公司 | 故障预测方法、装置、计算设备以及计算机可读存储介质 |
| CN112016739A (zh) * | 2020-08-17 | 2020-12-01 | 国网山东省电力公司潍坊供电公司 | 故障检测方法、装置、电子设备及存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112509292A (zh) | 2021-03-16 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112509292B (zh) | 故障预测方法、装置、电子设备及计算机可读存储介质 | |
| WO2021107866A1 (en) | Method and apparatus for detecting fault, method and apparatus for training model, and device and storage medium | |
| EP2911060A1 (en) | Method and device for determining resource leakage and for predicting resource usage state | |
| CN109347653B (zh) | 一种指标异常发现方法和装置 | |
| EP3795975A1 (en) | Abnormality sensing apparatus, abnormality sensing method, and abnormality sensing program | |
| JP6370525B1 (ja) | 浸水予測システム、予測方法、プログラム | |
| CN116502166B (zh) | 一种对目标设备故障预测的方法、装置、设备和介质 | |
| CN114216640A (zh) | 用于检测工业设备故障状态的方法、设备和介质 | |
| CN115858311A (zh) | 运维监控的方法、装置、电子设备及可读存储介质 | |
| CN112380073B (zh) | 一种故障位置的检测方法、装置及可读存储介质 | |
| CN110020264B (zh) | 一种无效超链接的确定方法及装置 | |
| CN114697203B (zh) | 一种网络故障的预判方法、装置、电子设备及存储介质 | |
| CN113217826B (zh) | 一种管道供水管网泄漏报警控制方法、装置及介质 | |
| CN114412588B (zh) | 核电汽轮机快速起动热应力作用下的寿命在役监控方法 | |
| CN112346552B (zh) | 电源监测方法、装置、计算机设备和存储介质 | |
| US11519404B2 (en) | Determining a fatigue condition of a hydraulic system | |
| EP4254094A1 (en) | Data processing apparatus, data processing method, and program | |
| CN111176931A (zh) | 一种运营监控方法、装置、服务器及存储介质 | |
| JP2020038485A (ja) | 学習装置、判定装置、学習方法、判定方法、学習プログラムおよび判定プログラム | |
| CN114615092B (zh) | 网络攻击序列生成方法、装置、设备和存储介质 | |
| CN116308303B (zh) | 基于设备数据的检修计划生成方法、装置、设备和介质 | |
| CN116684306B (zh) | 一种故障预测方法、装置、设备及可读存储介质 | |
| CN115585773A (zh) | 电磁轴承间隙检测的方法、分类器生成方法及其装置 | |
| CN116066959A (zh) | 用于训练冷媒泄漏概率预测模型的方法及装置、电子设备、存储介质 | |
| JP6519330B2 (ja) | プログラム、情報処理装置及び情報処理方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20230428 Address after: Room 401, Floor 4, No. 2, Haidian East Third Street, Haidian District, Beijing 100080 Patentee after: Yuanxin Information Technology Group Co.,Ltd. Address before: 100080 401-06, 4th floor, 2 Haidian East 3rd Street, Haidian District, Beijing Patentee before: YUANXIN TECHNOLOGY |
|
| TR01 | Transfer of patent right |