CN116754016B - 故障检测方法、装置、电子设备及存储介质 - Google Patents
故障检测方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN116754016B CN116754016B CN202310756200.9A CN202310756200A CN116754016B CN 116754016 B CN116754016 B CN 116754016B CN 202310756200 A CN202310756200 A CN 202310756200A CN 116754016 B CN116754016 B CN 116754016B
- Authority
- CN
- China
- Prior art keywords
- encoder
- sensors
- data
- fault detection
- equipment
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 68
- 239000013598 vector Substances 0.000 claims abstract description 43
- 238000000034 method Methods 0.000 claims abstract description 16
- 238000012549 training Methods 0.000 claims abstract description 8
- 238000004590 computer program Methods 0.000 claims description 7
- 238000012937 correction Methods 0.000 claims description 2
- 238000013507 mapping Methods 0.000 claims description 2
- 230000015556 catabolic process Effects 0.000 abstract description 9
- 238000006731 degradation reaction Methods 0.000 abstract description 9
- 230000006870 function Effects 0.000 description 9
- 238000010586 diagram Methods 0.000 description 6
- 230000003287 optical effect Effects 0.000 description 6
- 238000012545 processing Methods 0.000 description 6
- 238000003491 array Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- 230000002093 peripheral effect Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 239000000463 material Substances 0.000 description 2
- 230000032683 aging Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000002790 cross-validation Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 230000001932 seasonal effect Effects 0.000 description 1
Landscapes
- Transmission And Conversion Of Sensor Element Output (AREA)
- Testing Or Calibration Of Command Recording Devices (AREA)
Abstract
本公开提出一种故障检测方法、装置、电子设备及存储介质,涉及传感器技术领域。该方法包括:获取待检测设备上部署的多个传感器、在同一时刻分别采集的待处理数据;将多个待处理数据输入自编码器中的编码器,使编码器对多个待处理数据进行联合编码,以获取编码器输出的特征向量,其中,自编码器为基于多个传感器在正常运行的第一预设时间段内,采集的第一样本数据集训练生成的;根据特征向量,对待检测设备进行故障检测。由此,将多个传感器进行联合编码,以对待检测设备进行故障检测,避免某个传感器性能退化,对故障检测带来的误差,从而不需对传感器进行频繁校准,也可以准确地对设备进行故障检测。
Description
技术领域
本公开涉及传感器技术领域,尤其涉及一种故障检测方法、装置、电子设备及存储介质。
背景技术
传感器是一种硬件设备,通常会安装到固定场地中采集特定指标(比如安装在工业设备上,对工业设备的运行状态进行监测),由于工作环境、设备老化等变化因素,会导致传感器的精度受到严重的影响。尤其是在工作环境变化剧烈时(如沙漠风机振动传感器,昼夜温差大、季节变化大、风力等气候条件以及风机本身运行工况变化较大),该问题会更加突出。
传统的传感器设备通常需要每隔一段时间进行工作零点及工作曲线的校准或者直接更换传感器,以满足高精度长时间检测的需求。然而,定期人工校准会带来大量的运维成本,同时有些复杂工作环境下并不适宜人工现场校准。
发明内容
本公开旨在至少在一定程度上解决相关技术中的技术问题之一。
本公开第一方面实施例提出了一种故障检测方法,包括:
获取待检测设备上部署的多个传感器、在同一时刻分别采集的待处理数据;
将多个待处理数据输入自编码器中的编码器,使所述编码器对所述多个待处理数据进行联合编码,以获取所述编码器输出的特征向量,其中,所述自编码器为基于所述多个传感器在正常运行的第一预设时间段内,采集的第一样本数据集训练生成的;
根据所述特征向量,对所述待检测设备进行故障检测。
本公开第二方面实施例提出了一种故障检测装置,包括:
第一获取模块,用于获取待检测设备上部署的多个传感器、在同一时刻分别采集的待处理数据;
第二获取模块,用于将多个待处理数据输入自编码器中的编码器,使所述编码器对所述多个待处理数据进行联合编码,以获取所述编码器输出的特征向量,其中,所述自编码器为基于所述多个传感器在正常运行的第一预设时间段内,采集的第一样本数据集训练生成的;
检测模块,用于根据所述特征向量,对所述待检测设备进行故障检测。
本公开第三方面实施例提出了一种电子设备,包括:存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时,实现如本公开第一方面实施例提出的故障检测方法。
本公开第四方面实施例提出了一种计算机可读存储介质,存储有计算机程序,所述计算机程序被处理器执行时,实现如本公开第一方面实施例提出的故障检测方法。
本公开提供的故障检测方法、装置、电子设备及存储介质,存在如下有益效果:
本公开实施例中,首先获取待检测设备上部署的多个传感器、在同一时刻分别采集的待处理数据,之后将多个待处理数据输入自编码器中的编码器,使编码器对多个待处理数据进行联合编码,以获取编码器输出的特征向量,最后根据特征向量,对待检测设备进行故障检测。由此,将多个传感器进行联合编码,以对待检测设备进行故障检测,避免某个传感器性能退化,对故障检测带来的误差,从而不需对传感器进行频繁校准,也可以准确地对设备进行故障检测。
本公开附加的方面和优点将在下面的描述中部分给出,部分将从下面的描述中变得明显,或通过本公开的实践了解到。
附图说明
本公开上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解,其中:
图1为本公开一实施例所提供的故障检测方法的流程示意图;
图2为本公开另一实施例所提供的故障检测方法的流程示意图;
图3为本公开一实施例提供的一种自编码器的示意图;
图4为本公开一实施例所提供的故障检测装置的结构示意图;
图5示出了适于用来实现本公开实施方式的示例性电子设备的框图。
具体实施方式
下面详细描述本公开的实施例,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,旨在用于解释本公开,而不能理解为对本公开的限制。
下面参考附图描述本公开实施例的故障检测方法、装置、电子设备和存储介质。
图1为本公开实施例所提供的故障检测方法的流程示意图。
本公开实施例以该故障检测方法被配置于故障检测装置中来举例说明,该故障检测装置可以应用于任一电子设备中,以使该电子设备可以执行故障检测功能。
其中,电子设备可以为个人电脑(Personal Computer,简称PC)、云端设备、移动设备等,移动设备例如可以为手机、平板电脑、个人数字助理、穿戴式设备、车载设备等具有各种操作***、触摸屏和/或显示屏的硬件设备。
如图1所示,该故障检测方法可以包括以下步骤:
步骤101,获取待检测设备上部署的多个传感器、在同一时刻分别采集的待处理数据。
其中,待检测设备可以为各种工业设备,比如运输机、传送带等等。
可选的,多个传感器包含不同类型的传感器,比如声音传感器、震动传感器、温度传感器等等。本公开实施例中,对每个类型的传感器的数量不做限定,可以为一个,也可以为多个。
比如,声音传感器采集的待处理数据可以为音频;温度传感器采集的数据可以为温度。
步骤102,将多个待处理数据输入自编码器中的编码器,使编码器对多个待处理数据进行联合编码,以获取编码器输出的特征向量。
其中,自编码器为基于多个传感器在正常运行的第一预设时间段内,采集的第一样本数据集训练生成的。
本公开实例中,在将待处理数据输入自编码器之前,会先基于第一样本数据集对初始自编码器进行训练,以生成性能较好的自编码器,用于待检测设备的故障检测。
需要说明的是,传感器的最小无故障时间可能长达数月。因此,第一样本数据集中包含的数据,可以为多个传感器部署在待检测设备上之后,且未发生偏移(即正常运行)的情况下,多个传感器在第一预设时间段内采集的数据。
比如,将多个传感器部署在待检测设备上之后的一个月内,或一个星期内采集的数据作为第一样本数据集。
需要说明的是,为了得到性能较好的自编码器,传感器的数据越多,自编码器的训练越复杂,所需的样本数据也越多。因此,可以基于多个传感器的数量,确定第一预设时间段。传感器的数量越多,第一预设时间段越长;传感器的数量越少,第一预设时间段越短。
步骤103,根据特征向量,对待检测设备进行故障检测。
可选的,将特征向量线性映射至特征空间,若特征向量在特征空间中的位置超出预设空间范围,确定待检测设备出现故障。
其中,预设空间范围可以为当前时刻之前待检测设备未发生故障时,对应的所有的特征向量所在的空间范围。
一般待检测设备上部署的传感器通常不只一个,这些传感器种类、工艺、劣化时间都不尽相同,因此,多个传感器的数据在对于待检测设备状态的监控上,会起到一个互相备份、交叉验证的作用。本公开实施例中,基于自编码器,对多个传感器采集的待处理数据进行联合编码,进行对联合编码生成的特征向量进行分析,对设备的状态进行监控。从而即使某个传感器出现了偏移,通过多维传感器的联合分析,获取多传感器相互校验后的特征向量,进而对设备进行故障检测,可以避免某一个传感器出现性能退化带来的数值偏差,具有较强的鲁棒性。
本公开实施例中,首先获取待检测设备上部署的多个传感器、在同一时刻分别采集的待处理数据,之后将多个待处理数据输入自编码器中的编码器,使编码器对多个待处理数据进行联合编码,以获取编码器输出的特征向量,最后根据特征向量,对待检测设备进行故障检测。由此,将多个传感器进行联合编码,以对待检测设备进行故障检测,避免某个传感器性能退化,对故障检测带来的误差,从而不需对传感器进行频繁校准,也可以准确地对设备进行故障检测。
图2为本公开一实施例所提供的故障检测方法的流程示意图,如图2所示,该故障检测方法可以包括以下步骤:
步骤201,获取待检测设备上部署的多个传感器、在同一时刻分别采集的待处理数据。
步骤202,将多个待处理数据输入自编码器中的编码器,使编码器对多个待处理数据进行联合编码,以获取编码器输出的特征向量。
其中,步骤201至步骤202的具体实现形式,也可以参照本公开中,其他各实施例中的详细描述,此处不再具体赘述。
步骤203,将特征向量输入自编码器中的解码器,以获取解码器输出的每个传感器对应的预测数据。
本公开实施例中,可以利用自编码器的特性,利用自编码器中的解码器对特征向量进行解码,以获取每个传感器采集的待处理数据对应的重构的数据,即预测数据。
步骤204,在任一预测数据与对应的待处理数据之间的差异大于第一阈值的情况下,获取多个传感器在当前时刻之前的第二预设时间段内采集的第二样本数据集。
图3为本公开一实施例提供的一种自编码器的示意图,如图3所示,以待检测设备上部署有15个传感器为例,x1至x15为待处理数据,h1至h8为自编码器中的编码器输出的特征向量,x1'至x15'为每个待处理数据对应的预测数据。若x5与x5'之间的差异大于第一阈值,则表示采集x5的传感器出现了数值偏差。可以进一步对自编码器进行修正,以使自编码器可以发生偏移后的传感器特,提高自编码器的性能。
对自编码器进行修正,需要重新获取样本数据集。本公开实施例中,可以获取当前时刻之前的第二预设时间段内,各传感器采集的数据作为第二样本数据集。
其中,当前时刻可以为确定任一预测数据与对应的待处理数据之间的差异大于第一阈值的时刻。
由于先前的自编码器已经具备较好的性能,因此只需用小部分样本数据对自编码器进行修正即可。因此,第一预设时间段可以大于第二预设时间段。
比如,第一预设时间段为一个月,第二预设时间段可以为一个星期,或半个月。
步骤205,基于第二样本数据集,对自编码器进行修正。
即基于第二样本数据集,对自编码器再次进行训练,以使自编码器可以学习到传感器发生数值偏移后的特性。
进而,在对自编码器进行修正,可以基于修正后的自编码器对待检测设备进行故障检测,保证后续对待检测设备进行故障检测的准确性。
由于传感器的性能退化是缓慢发生的,在一个相对不那么长(如数个月)的周期内变化很小;另外,传感器的工作曲线通常发生的是整体的偏移或者局部的形变,但是不影响不同真实数据反映到传感器上的相对大小,通过短时间内传感器数值的相对大小仍能反映监测数值的物理特性。
本公开实施例中,可以在短周期内使用少量数据对自编码器进行微调,需要的数据量较小,微调较快,也可以使得特征向量迅速反映出发生偏移后的传感器特性,从而可以克服传感器由于性能退化,导致的数值偏移问题。
本公开实施例中,获取待检测设备上部署的多个传感器、在同一时刻分别采集的待处理数据;将多个待处理数据输入自编码器中的编码器,使编码器对多个待处理数据进行联合编码,以获取编码器输出的特征向量,将特征向量输入自编码器中的解码器,以获取解码器输出的每个传感器对应的预测数据,在任一预测数据与对应的待处理数据之间的差异大于第一阈值的情况下,获取多个传感器在当前时刻之前的第二预设时间段内采集的第二样本数据集,最后基于第二样本数据集,对自编码器进行修正。由此,可以在某个传感器的性能退化,导致出现数据偏差的情况下,可以基于第二样本数据集,对自编码器进行修正,以使自编码器可以学习到传感器发生数值偏移后的特性,进而保证后续对待检测设备进行故障检测的准确性。
为了实现上述实施例,本公开还提出一种故障检测装置。
图4为本公开实施例所提供的故障检测装置的结构示意图。
如图4所示,该故障检测装置400可以包括:。
第一获取模块410,用于获取待检测设备上部署的多个传感器、在同一时刻分别采集的待处理数据;
第二获取模块420,用于将多个待处理数据输入自编码器中的编码器,使编码器对多个待处理数据进行联合编码,以获取编码器输出的特征向量,其中,自编码器为基于多个传感器在正常运行的第一预设时间段内,采集的第一样本数据集训练生成的;
检测模块430,用于根据特征向量,对待检测设备进行故障检测。
可选的,还包括修正模块,用于:
将特征向量输入自编码器中的解码器,以获取解码器输出的每个传感器对应的预测数据;
在任一预测数据与对应的待处理数据之间的差异大于第一阈值的情况下,获取多个传感器在当前时刻之前的第二预设时间段内采集的第二样本数据集;
基于第二样本数据集,对自编码器进行修正。
可选的,第一预设时间段大于第二预设时间段。
可选的,检测模块440,用于:
将特征向量线性映射至特征空间;
若特征向量在特征空间中的位置超出预设空间范围,确定待检测设备出现故障。
可选的,多个传感器包含不同类型的传感器。
可选的,还包括:
基于多个传感器的数量,确定第一预设时间段。
本公开实施例中的上述各模块的功能及具体实现原理,可参照上述各方法实施例,此处不再赘述。
本公开实施例的故障检测装置,首先获取待检测设备上部署的多个传感器、在同一时刻分别采集的待处理数据,之后将多个待处理数据输入自编码器中的编码器,使编码器对多个待处理数据进行联合编码,以获取编码器输出的特征向量,最后根据特征向量,对待检测设备进行故障检测。由此,将多个传感器进行联合编码,以对待检测设备进行故障检测,避免某个传感器性能退化,对故障检测带来的误差,从而不需对传感器进行频繁校准,也可以准确地对设备进行故障检测。
为了实现上述实施例,本公开还提出一种电子设备,包括:存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,处理器执行程序时,实现如本公开前述实施例提出的故障检测方法。
为了实现上述实施例,本公开还提出了一种计算机可读存储介质,存储有计算机程序,计算机程序被处理器执行时,实现如本公开前述实施例提出的故障检测方法。
图5示出了适于用来实现本公开实施方式的示例性电子设备的框图。图5显示的电子设备12仅仅是一个示例,不应对本公开实施例的功能和使用范围带来任何限制。
如图5所示,电子设备12以通用计算设备的形式表现。电子设备12的组件可以包括但不限于:一个或者多个处理器或者处理单元16,***存储器28,连接不同***组件(包括***存储器28和处理单元16)的总线18。
总线18表示几类总线结构中的一种或多种,包括存储器总线或者存储器控制器,***总线,图形加速端口,处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说,这些体系结构包括但不限于工业标准体系结构(Industry StandardArchitecture;以下简称:ISA)总线,微通道体系结构(Micro Channel Architecture;以下简称:MAC)总线,增强型ISA总线、视频电子标准协会(Video Electronics StandardsAssociation;以下简称:VESA)局域总线以及***组件互连(Peripheral ComponentInterconnection;以下简称:PCI)总线。
电子设备12典型地包括多种计算机***可读介质。这些介质可以是任何能够被电子设备12访问的可用介质,包括易失性和非易失性介质,可移动的和不可移动的介质。
存储器28可以包括易失性存储器形式的计算机***可读介质,例如随机存取存储器(Random Access Memory;以下简称:RAM)30和/或高速缓存存储器32。电子设备12可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机***存储介质。仅作为举例,存储***34可以用于读写不可移动的、非易失性磁介质(图5未显示,通常称为“硬盘驱动器”)。尽管图5中未示出,可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器,以及对可移动非易失性光盘(例如:光盘只读存储器(Compact Disc Read OnlyMemory;以下简称:CD-ROM)、数字多功能只读光盘(Digital Video Disc Read OnlyMemory;以下简称:DVD-ROM)或者其它光介质)读写的光盘驱动器。在这些情况下,每个驱动器可以通过一个或者多个数据介质接口与总线18相连。存储器28可以包括至少一个程序产品,该程序产品具有一组(例如至少一个)程序模块,这些程序模块被配置以执行本公开各实施例的功能。
具有一组(至少一个)程序模块42的程序/实用工具40,可以存储在例如存储器28中,这样的程序模块42包括但不限于操作***、一个或者多个应用程序、其它程序模块以及程序数据,这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块42通常执行本公开所描述的实施例中的功能和/或方法。
电子设备12也可以与一个或多个外部设备14(例如键盘、指向设备、显示器24等)通信,还可与一个或者多个使得用户能与该电子设备12交互的设备通信,和/或与使得该电子设备12能与一个或多个其它计算设备进行通信的任何设备(例如网卡,调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口22进行。并且,电子设备12还可以通过网络适配器20与一个或者多个网络(例如局域网(Local Area Network;以下简称:LAN),广域网(Wide Area Network;以下简称:WAN)和/或公共网络,例如因特网)通信。如图所示,网络适配器20通过总线18与电子设备12的其它模块通信。应当明白,尽管图中未示出,可以结合电子设备12使用其它硬件和/或软件模块,包括但不限于:微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID***、磁带驱动器以及数据备份存储***等。
处理单元16通过运行存储在***存储器28中的程序,从而执行各种功能应用以及数据处理,例如实现前述实施例中提及的方法。
本公开的技术方案,首先获取待检测设备上部署的多个传感器、在同一时刻分别采集的待处理数据,之后将多个待处理数据输入自编码器中的编码器,使编码器对多个待处理数据进行联合编码,以获取编码器输出的特征向量,最后根据特征向量,对待检测设备进行故障检测。由此,将多个传感器进行联合编码,以对待检测设备进行故障检测,避免某个传感器性能退化,对故障检测带来的误差,从而不需对传感器进行频繁校准,也可以准确地对设备进行故障检测。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本公开的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外,在不相互矛盾的情况下,本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
此外,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本公开的描述中,“多个”的含义是至少两个,例如两个,三个等,除非另有明确具体的限定。
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为,表示包括一个或更多个用于实现定制逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分,并且本公开的优选实施方式的范围包括另外的实现,其中可以不按所示出或讨论的顺序,包括根据所涉及的功能按基本同时的方式或按相反的顺序,来执行功能,这应被本公开的实施例所属技术领域的技术人员所理解。
在流程图中表示或在此以其他方式描述的逻辑和/或步骤,例如,可以被认为是用于实现逻辑功能的可执行指令的定序列表,可以具体实现在任何计算机可读介质中,以供指令执行***、装置或设备(如基于计算机的***、包括处理器的***或其他可以从指令执行***、装置或设备取指令并执行指令的***)使用,或结合这些指令执行***、装置或设备而使用。就本说明书而言,"计算机可读介质"可以是任何可以包含、存储、通信、传播或传输程序以供指令执行***、装置或设备或结合这些指令执行***、装置或设备而使用的装置。计算机可读介质的更具体的示例(非穷尽性列表)包括以下:具有一个或多个布线的电连接部(电子装置),便携式计算机盘盒(磁装置),随机存取存储器(RAM),只读存储器(ROM),可擦除可编辑只读存储器(EPROM或闪速存储器),光纤装置,以及便携式光盘只读存储器(CDROM)。另外,计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质,因为可以例如通过对纸或其他介质进行光学扫描,接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序,然后将其存储在计算机存储器中。
应当理解,本公开的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中,多个步骤或方法可以用存储在存储器中且由合适的指令执行***执行的软件或固件来实现。如,如果用硬件来实现和在另一实施方式中一样,可用本领域公知的下列技术中的任一项或他们的组合来实现:具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路,具有合适的组合逻辑门电路的专用集成电路,可编程门阵列(PGA),现场可编程门阵列(FPGA)等。
本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成,所述的程序可以存储于一种计算机可读存储介质中,该程序在执行时,包括方法实施例的步骤之一或其组合。
此外,在本公开各个实施例中的各功能单元可以集成在一个处理模块中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现,也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时,也可以存储在一个计算机可读取存储介质中。
上述提到的存储介质可以是只读存储器,磁盘或光盘等。尽管上面已经示出和描述了本公开的实施例,可以理解的是,上述实施例是示例性的,不能理解为对本公开的限制,本领域的普通技术人员在本公开的范围内可以对上述实施例进行变化、修改、替换和变型。
Claims (5)
1.一种故障检测的方法,其特征在于,包括:
获取待检测设备上部署的多个传感器、在同一时刻分别采集的待处理数据,其中,所述待检测设备包括运输机;
将多个待处理数据输入自编码器中的编码器,使所述编码器对所述多个待处理数据进行联合编码,以获取所述编码器输出的特征向量,其中,所述自编码器为基于所述多个传感器在正常运行的第一预设时间段内,采集的第一样本数据集训练生成的,所述第一预设时间段是根据所述多个传感器的数量确定的,所述多个传感器的数量越多,所述第一预设时间段越长,所述第一预设时间的单位包括月和周;
将所述特征向量线性映射至特征空间,若所述特征向量在所述特征空间中的位置超出预设空间范围,则确定所述待检测设备出现故障,其中,所述预设空间范围为当前时刻之前,所述待检测设备未发生故障时,对应的所有的特征向量所在的空间范围;
将所述特征向量输入所述自编码器中的解码器,以获取所述解码器输出的每个所述传感器对应的预测数据,在任一预测数据与对应的待处理数据之间的差异大于第一阈值的情况下,获取所述多个传感器在当前时刻之前的第二预设时间段内采集的第二样本数据集,基于所述第二样本数据集,对所述自编码器进行修正,其中,所述第一预设时间段大于所述第二预设时间段。
2.根据权利要求1所述的方法,其特征在于,所述多个传感器包含不同类型的传感器。
3.一种故障检测的装置,其特征在于,包括:
第一获取模块,用于获取待检测设备上部署的多个传感器、在同一时刻分别采集的待处理数据,其中,所述待检测设备包括运输机;
第二获取模块,用于将多个待处理数据输入自编码器中的编码器,使所述编码器对所述多个待处理数据进行联合编码,以获取所述编码器输出的特征向量,其中,所述自编码器为基于所述多个传感器在正常运行的第一预设时间段内,采集的第一样本数据集训练生成的,所述第一预设时间段是根据所述多个传感器的数量确定的,所述多个传感器的数量越多,所述第一预设时间段越长,所述第一预设时间的单位包括月和周;
检测模块,用于将所述特征向量线性映射至特征空间,若所述特征向量在所述特征空间中的位置超出预设空间范围,则确定所述待检测设备出现故障,其中,所述预设空间范围为当前时刻之前,所述待检测设备未发生故障时,对应的所有的特征向量所在的空间范围;
修正模块,用于将所述特征向量输入所述自编码器中的解码器,以获取所述解码器输出的每个所述传感器对应的预测数据,在任一预测数据与对应的待处理数据之间的差异大于第一阈值的情况下,获取所述多个传感器在当前时刻之前的第二预设时间段内采集的第二样本数据集,基于所述第二样本数据集,对所述自编码器进行修正,其中,所述第一预设时间段大于所述第二预设时间段。
4.一种电子设备,其特征在于,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时,实现如权利要求1或2所述的故障检测方法。
5.一种计算机可读存储介质,存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1或2所述的故障检测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310756200.9A CN116754016B (zh) | 2023-06-25 | 2023-06-25 | 故障检测方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310756200.9A CN116754016B (zh) | 2023-06-25 | 2023-06-25 | 故障检测方法、装置、电子设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116754016A CN116754016A (zh) | 2023-09-15 |
CN116754016B true CN116754016B (zh) | 2024-05-28 |
Family
ID=87949400
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310756200.9A Active CN116754016B (zh) | 2023-06-25 | 2023-06-25 | 故障检测方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116754016B (zh) |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107702922A (zh) * | 2017-09-11 | 2018-02-16 | 南京信息工程大学 | 基于lcd与堆叠自动编码器的滚动轴承故障诊断方法 |
CN110207997A (zh) * | 2019-07-24 | 2019-09-06 | 中国人民解放军国防科技大学 | 基于卷积自编码器的液体火箭发动机故障检测方法 |
CN111767183A (zh) * | 2020-09-01 | 2020-10-13 | 深圳创新奇智科技有限公司 | 设备异常检测方法及装置、电子设备、存储介质 |
CN112702329A (zh) * | 2020-12-21 | 2021-04-23 | 四川虹微技术有限公司 | 一种流量数据异常检测方法、装置和存储介质 |
CN112904810A (zh) * | 2021-01-13 | 2021-06-04 | 中南大学 | 基于有效特征选择的流程工业非线性过程监测方法 |
CN113193911A (zh) * | 2021-04-13 | 2021-07-30 | 北京邮电大学 | 一种光网络故障检测方法及*** |
CN113587362A (zh) * | 2021-07-30 | 2021-11-02 | 广东美的暖通设备有限公司 | 异常检测方法、装置及空调*** |
CN113962289A (zh) * | 2021-09-26 | 2022-01-21 | 西安交通大学 | 面向终身学习的旋转机械在线智能故障诊断方法及*** |
CN114152825A (zh) * | 2021-11-16 | 2022-03-08 | 国网北京市电力公司 | 变压器的故障诊断方法、装置和变压器的故障诊断*** |
CN116130029A (zh) * | 2022-12-30 | 2023-05-16 | 广东核电合营有限公司 | 变压器故障预警方法、装置、设备、存储介质和程序产品 |
-
2023
- 2023-06-25 CN CN202310756200.9A patent/CN116754016B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107702922A (zh) * | 2017-09-11 | 2018-02-16 | 南京信息工程大学 | 基于lcd与堆叠自动编码器的滚动轴承故障诊断方法 |
CN110207997A (zh) * | 2019-07-24 | 2019-09-06 | 中国人民解放军国防科技大学 | 基于卷积自编码器的液体火箭发动机故障检测方法 |
CN111767183A (zh) * | 2020-09-01 | 2020-10-13 | 深圳创新奇智科技有限公司 | 设备异常检测方法及装置、电子设备、存储介质 |
CN112702329A (zh) * | 2020-12-21 | 2021-04-23 | 四川虹微技术有限公司 | 一种流量数据异常检测方法、装置和存储介质 |
CN112904810A (zh) * | 2021-01-13 | 2021-06-04 | 中南大学 | 基于有效特征选择的流程工业非线性过程监测方法 |
CN113193911A (zh) * | 2021-04-13 | 2021-07-30 | 北京邮电大学 | 一种光网络故障检测方法及*** |
CN113587362A (zh) * | 2021-07-30 | 2021-11-02 | 广东美的暖通设备有限公司 | 异常检测方法、装置及空调*** |
CN113962289A (zh) * | 2021-09-26 | 2022-01-21 | 西安交通大学 | 面向终身学习的旋转机械在线智能故障诊断方法及*** |
CN114152825A (zh) * | 2021-11-16 | 2022-03-08 | 国网北京市电力公司 | 变压器的故障诊断方法、装置和变压器的故障诊断*** |
CN116130029A (zh) * | 2022-12-30 | 2023-05-16 | 广东核电合营有限公司 | 变压器故障预警方法、装置、设备、存储介质和程序产品 |
Also Published As
Publication number | Publication date |
---|---|
CN116754016A (zh) | 2023-09-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108063698B (zh) | 设备异常检测方法和装置、及存储介质 | |
CN1284114C (zh) | 操作turbo解码器以决定接收信号的二进制状态的方法与装置 | |
CN110213258B (zh) | 车辆can总线的异常监测方法、装置和计算机设备 | |
CN109738884B (zh) | 对象检测方法、装置和计算机设备 | |
CN108156452B (zh) | 一种检测传感器的方法、装置、设备及存储介质 | |
KR102683174B1 (ko) | 시계열 데이터 압축 및 복원 방법 | |
CN114579933B (zh) | 误差测量优化方法、装置、电子设备及可读存储介质 | |
CN115964361A (zh) | 一种数据增强方法、***、设备及计算机可读存储介质 | |
CN116754016B (zh) | 故障检测方法、装置、电子设备及存储介质 | |
CN116562120A (zh) | 一种基于rve的涡轮发动机***健康状况评估方法及装置 | |
CN112416661B (zh) | 基于压缩感知的多指标时间序列异常检测方法和装置 | |
CN110529746B (zh) | 管道泄漏的检测方法、装置和设备 | |
CN116087626A (zh) | 一种保护膜触控功能影响程度的测试方法 | |
WO2021140942A1 (ja) | 診断装置、診断方法およびプログラム | |
CN115420418B (zh) | 气压测量方法、装置、电子设备及可读存储介质 | |
CN116860565A (zh) | 异常显示检测方法、装置、电子设备及存储介质 | |
CN110186560B (zh) | 紫外线数值修正方法与*** | |
CN112415292A (zh) | 压电器件在线检测装置及方法 | |
CN116678491A (zh) | 声音传感器的故障检测方法、装置、电子设备及存储介质 | |
CN116302900B (zh) | 多接入边缘计算***的算力可靠性评估方法 | |
CN114662269A (zh) | 模型参数调试方法、装置以及存储介质 | |
CN117450904A (zh) | 行程传感器检测方法、装置、电子设备及存储介质 | |
KR20180046317A (ko) | 차량용 지시계의 원점 검출 방법 | |
KR20240107268A (ko) | 환경변화 적응형 배터리 진단 장치 및 방법 | |
CN113848079A (zh) | Ct旋转角度信息***的故障检测方法、装置和计算机设备 |
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 |