一种故障检测方法、系统、装置、电子设备和存储介质与流程

摘要: 本技术涉及设备运维,特别是涉及一种故障检测方法、系统、装置、电子设备和存储介质。背景技术:1、工业设备需要进行故障诊断,从而为工业设备的维护提供支持。现有技术中...
一种故障检测方法、系统、装置、电子设备和存储介质与流程

本技术涉及设备运维,特别是涉及一种故障检测方法、系统、装置、电子设备和存储介质。

背景技术:

1、工业设备需要进行故障诊断,从而为工业设备的维护提供支持。现有技术中,对工业设备进行故障诊断的方式通常是设置单一参数阈值进行超限报警,如设置温度阈值,在温度超过温度阈值时生成表征具有故障的故障诊断结果,以使维修人员进行维修。但是该种方式容易产生误报或漏报,检测精度较差。

技术实现思路

1、本技术实施例的目的在于提供一种故障检测方法、系统、装置、电子设备和存储介质,以实现有效提高工业设备故障诊断的精度。具体技术方案如下:

2、第一方面,本技术提供了一种故障检测方法,所述方法包括:

3、获取安装于待检测设备的多种传感器采集的目标数据;其中,所述待检测设备具有可转动轴,每一传感器在所述待检测设备的安装位置基于所述可转动轴的位置确定;

4、分别对每种传感器采集的目标数据进行特征提取,得到每种传感器对应的特征类型的特征值;

5、基于所述待检测设备当前工况对应的设备运行模型和所获得的特征值,确定所述待检测设备是否处于异常状态;其中,每一工况对应的设备运行模型反映该工况下各类型特征的正常状态和异常状态的区间、且设备运行模型随该工况下历史时间段中各类型特征的特征值更新而更新;

6、若所述待检测设备处于异常状态,确定所述待检测设备的故障诊断任务;

7、基于所述故障诊断任务对应的故障排查规则和所获得的特征值进行故障排查,得到第一故障诊断结果。

8、可选的,所述待检测设备在任一工况下的设备运行模型的确定方式包括:

9、获取所述待检测设备在该工况下历史时间段中每一类型的特征属于正常状态的历史特征值;

10、基于各个历史特征值,调整所述待检测设备在该工况下每一类型的特征在待检测设备正常状态和异常状态的区间,得到在该工况下的设备运行模型。

11、可选的,按照以下方式调整在该工况下每一类型的特征在待检测设备正常状态和异常状态的区间:

12、计算该类型特征的各个历史特征值的均值和标准差;

13、利用所述均值和所述标准差,调整所述待检测设备在该工况下该类型的特征在待检测设备正常状态和异常状态的区间。

14、可选的,所述利用所述均值和所述标准差,调整所述待检测设备在该工况下该类型的特征在待检测设备正常状态和异常状态的区间包括:

15、获得所述均值相对于基准均值的偏移量,得到第一偏移量,并获得所述标准差相对于基准标准差的偏移量,得到第二偏移量,

16、若所述第一偏移量和第二偏移量中任一一个大于偏移量阈值,则将所述均值与基准均值进行加权计算,得到新的基准均值,将所述标准差和基准标准差进行加权计算,得到新的基准标准差,利用新的基准均值和新的基准标准差调整所述待检测设备在该工况下该类型的特征在待检测设备正常状态和异常状态的区间;

17、否则,利用所述均值和所述标准差,调整所述待检测设备在该工况下该类型的特征在待检测设备正常状态和异常状态的区间,并将所述均值作为新的基准均值,将所述标准差作为新的基准标准差。

18、可选的,所述基于所述待检测设备当前工况对应的设备运行模型和所获得的特征值,确定所述待检测设备是否处于异常状态之前,所述方法还包括:

19、检测是否存在特征值的变化幅度满足异常状态判定条件的特征类型;

20、若是,则针对满足异常状态判定条件的特征类型进行干扰排除处理,得到干扰排除结果;基于所述干扰排除结果,执行指定步骤;其中,若所述干扰排除结果表征进行干扰排除处理的特征类型的特征具有干扰,则所述指定步骤为所述确定所述待检测设备的故障诊断任务的步骤,否则所述指定步骤为对当前工况下的设备运行模型进行更新;

21、若否,则针对每一特征类型,确定该特征类型的特征值是否大于该特征类型对应的阈值;

22、若任一特征类型的特征值大于该特征类型对应的阈值,则针对该特征类型进行干扰排除处理,得到干扰排除结果;基于所述干扰排除结果,执行所述指定步骤,否则,执行基于所述待检测设备当前工况下的设备运行模型和所述各类型特征的特征值,确定所述待检测设备是否处于异常状态;

23、若所述待检测设备处于异常状态,则针对各类型特征进行干扰排除处理,得到干扰排除结果;基于所述干扰排除结果,执行所述指定步骤;

24、若所述待检测设备处于正常状态,对当前工况下的设备运行模型进行更新。

25、可选的,所述方法还包括:

26、将各类型特征的特征值输入至目标故障诊断模型,得到目标故障诊断模型输出的第二故障诊断结果;其中,所述目标故障诊断模型利用样本特征和样本特征的真值训练得到;所述样本特征为与待检测设备的型号相同的设备所产生的各特征类型的历史特征,样本特征的真值为产生样本特征的设备的故障诊断结果;

27、基于所述第一故障诊断结果和所述第二故障诊断结果,确定目标诊断结果。

28、可选的,所述安装位置包括以下位置中至少一种:

29、所述待检测设备上位于所述可转动轴的平行线上的非运动位置;

30、所述待检测设备上位于所述可转动轴的垂线上的非运动位置;

31、所述待检测设备上位于所述可转动轴的轴向方向上的非运动位置。

32、第二方面,本技术提供了一种故障检测系统,所述系统包括:多种传感器、边缘端和云端;

33、所述多种传感器与所述边缘端通信连接,所述边缘端与所述云端通信连接;待检测设备具有可转动轴;每一传感器在所述待检测设备的安装位置基于所述可转动轴的位置确定;

34、每一传感器采集数据,向所述边缘端发送所采集的数据;

35、所述边缘端,接收传感器发送的数据,向所述云端发送接收的数据;

36、所述云端,获取所述多种传感器采集的目标数据;分别对每种传感器采集的目标数据进行特征提取,得到每种传感器对应的特征类型的特征值;基于所述待检测设备当前工况对应的设备运行模型和所得特征值,确定所述待检测设备是否处于异常状态;其中,每一工况对应的设备运行模型反映该工况下各类型特征的正常状态和异常状态的区间、且设备运行模型随该工况下历史时间段中各类型特征的特征值更新而更新;若所述待检测设备处于异常状态,确定所述待检测设备的故障诊断任务;基于所述故障诊断任务对应的故障排查规则和所获得的特征值进行故障排查,得到第一故障诊断结果。

37、第三方面,本技术提供了一种故障检测装置,所述装置包括:

38、获取模块,用于获取安装于待检测设备的多种传感器采集的目标数据;其中,所述待检测设备具有可转动轴,每一传感器在所述待检测设备的安装位置基于所述可转动轴的位置确定;

39、提取模块,用于分别对每种传感器采集的目标数据进行特征提取,得到每种传感器对应的特征类型的特征值;

40、第一确定模块,用于基于所述待检测设备当前工况对应的设备运行模型和所获得的特征值,确定所述待检测设备是否处于异常状态;其中,每一工况对应的设备运行模型反映该工况下各类型特征的正常状态和异常状态的区间、且设备运行模型随该工况下历史时间段中各类型特征的特征值更新而更新;

41、第二确定模块,用于若所述待检测设备处于异常状态,确定所述待检测设备的故障诊断任务;

42、排查模块,用于基于所述故障诊断任务对应的故障排查规则和所获得的特征值进行故障排查,得到第一故障诊断结果。

43、第四方面,本技术提供了一种电子设备,包括处理器、通信接口、存储器和通信总线,其中,处理器,通信接口,存储器通过通信总线完成相互间的通信;

44、存储器,用于存放计算机程序;

45、处理器,用于执行存储器上所存放的程序时,实现上述任一所述的故障检测方法。

46、第五方面,本技术提供了一种计算机可读存储介质,所述计算机可读存储介质内存储有计算机程序,所述计算机程序被处理器执行时实现上述任一所述的故障检测方法。

47、本技术实施例还提供了一种包含指令的计算机程序产品,当其在计算机上运行时,使得计算机执行上述任一所述的故障检测方法。

48、本技术实施例有益效果:

49、本实施例的方案,针对待检测设备,基于可转动轴的位置确定每一传感器在待检测设备的安装位置,从而可以利用多种传感器得到待检测设备多维度的传感器数据,多维度的传感器数据能够更加全面的反映待检测设备的运行状态;通过对多维度的传感器数据进行特征提取得到的特征值,结合待检测设备当前工况对应的设备运行模型进行异常状态判定,进行异常判定时利用的设备运行模型随该工况下历史时间段中各类型特征的特征值更新而更新,从而异常判定结果精度较高;在检测到待检测设备处于异常状态下时,利用故障诊断任务对应的故障排查规则,精准定位异常状态下的待检测设备的故障。从而,本技术的方案可以有效提高工业设备故障诊断的精度。

50、当然,实施本技术的任一产品或方法并不一定需要同时达到以上所述的所有优点。