一种工业设备的故障检测方法、计算设备及可读存储介质与流程

技术特征：
1.一种工业设备的故障检测方法，适于在计算设备中执行，所述方法包括：获取待检测设备运行时预设时长内的振动数据的频谱；将所述振动数据的频谱进行归一化处理，得到所述振动数据的归一化频谱；将所述振动数据的归一化频谱输入到训练好的故障检测模型中进行处理，得到所述待检测设备的故障类别，所述故障检测模型基于度量元学习模型构建。2.如权利要求1所述的方法，其中，所述获取待检测设备运行时预设时长内的振动数据的频谱的步骤，包括：获取待检测设备运行时预设时长内的振动数据；利用短时傅里叶变换，获取所述振动数据的频谱。3.如权利要求1或2所述的方法，其中，所述振动数据为加速度数据。4.如权利要求1
‑
3中任意一项所述的方法，其中，所述度量元学习模型为原型网络。5.如权利要求4所述的方法，其中，所述故障检测模型包括特征提取模块和度量模块。6.如权利要求5所述的方法，其中，所述特征提取模块包括四层卷积网络，每层卷积网络包括一个卷积层、一个激活层和一个池化层。7.如权利要求4
‑
6中任意一项所述的方法，其中，所述故障检测模型基于下述方法训练：从总训练样本集中随机抽取第一预设数量种故障类别，所述总训练样本集中的每种故障类别下包括多个样本数据，所述样本数据为所述工业设备运行时预设时长内的振动数据的归一化频谱；对于抽取的每种故障类别，从总训练样本集中随机抽取第二预设数量个样本数据；将所述第二预设数量个样本数据中的第三预设数量个样本数据作为元训练的支持集，并将剩余的样本数据作为元训练的查询集；利用所述支持集和查询集对所述故障检测模型进行训练，得到初始故障检测模型；重复上述步骤，直到达到预定次数，获得训练好的故障检测模型。8.如权利要求7所述的方法，其中，所述利用所述支持集和查询集对所述故障检测模型进行训练的步骤，包括：将所述支持集中每种故障类别下的样本数据输入到所述特征提取模块中，得到每个样本数据的特征向量；基于得到的每个样本数据的特征向量，获取所述支持集中每种故障类别的原型表示；将所述查询集中每种故障类别下的样本数据输入到所述特征提取模块中，得到所述查询集中每个样本数据的特征向量；基于所述查询集中每个样本数据的特征向量和获取的每种故障类别的原型表示，获取所述查询集中每个样本数据所对应的预测故障类别；基于所述查询集中每个样本数据所对应的预测故障类别和真实故障类别之间的损失值，更新所述故障检测模型，得到初始故障检测模型。9.一种计算设备，包括：至少一个处理器；以及存储器，存储有程序指令，其中，所述程序指令被配置为适于由所述至少一个处理器执行，所述程序指令包括用于执行如权利要求1
‑
8中任一项所述方法的指令。
10.一种存储有程序指令的可读存储介质，当所述程序指令被计算设备读取并执行时，使得所述计算设备执行如权利要求1
‑
8中任一项所述方法。

技术总结
本发明公开了一种工业设备的故障检测方法，在计算设备中执行，该方法包括：获取待检测设备运行时预设时长内的振动数据的频谱；将振动数据的频谱进行归一化处理，得到振动数据的归一化频谱；将振动数据的归一化频谱输入到训练好的故障检测模型中进行处理，得到待检测设备的故障类别。其中，故障检测模型基于度量元学习模型构建。这样，在小样本情况下本发明的故障检测方法也可以获得很好的故障检测效果，从而可以提高小样本下故障检测的准确率。从而可以提高小样本下故障检测的准确率。从而可以提高小样本下故障检测的准确率。


技术研发人员：王勇 汪湘湘 陈浩 许启发 程启亮
受保护的技术使用者：安徽容知日新科技股份有限公司
技术研发日：2021.07.30
技术公布日：2021/10/29