一种部件工作状态的检测方法、装置、设备以及存储介质与流程

1.本技术涉及异常检测领域，具体而言，涉及一种部件工作状态的检测方法、装置、设备以及存储介质。


背景技术：

2.电机是产线的心脏，电机的状态对产线的正常运转起着决定性的影响。因此，有必要构建电机工作状态的检测模型，对电机的工作状态进行检测，从而时刻关注电机的工作状态，保证产线正常运转。


技术实现要素：

3.基于此，提出一种部件工作状态的检测方法、装置、设备以及存储介质，以对部件的工作状态进行检测。
4.第一方面，提供了一种部件工作状态的检测方法，包括：
5.获取目标部件的待检测数据集，所述待检测数据集中包括多个部件工作数据；
6.将所述待检测数据集插入森林检测模型中的每一棵模型树中，得到多棵检测树；
7.计算所述多棵检测树中的每棵检测树的检测分，所述检测分表示检测树的树状态；
8.根据所述多棵检测树中的每棵检测树的检测分，得到所述目标部件的工作状态的检测结果。
9.上述部件工作状态的检测方法，由于待检测数据集中包括多个部件工作数据，因此，在对部件的工作状态进行检测时，可以从多个维度考虑部件的工作情况，从而得到更加准确的检测结果；并且，在工作状态的检测过程中，采用的是森林检测模型，森林检测模型中包括多棵模型树，而每一棵模型树都可以看作是一个检测模型，因此，森林检测模型相当于是通过综合多个检测模型的检测结果得到部件的工作状态的检测结果，使得得到的检测结果更加的准确。
10.在一个实施例中，所述计算所述多棵检测树中的每棵检测树的检测分，包括：获取候选检测树的树深度，所述候选检测树为所述多棵检测树中还未计算检测分的检测树；删除候选路径中的候选节点，得到所述候选路径对应的残缺树，所述候选路径为所述待检测数据集在所述候选检测树中的路径，所述候选节点为所述候选路径中除去根节点的节点；计算所述候选路径对应的残缺树的树深度；根据所述候选路径对应的各个残缺树的树深度和所述候选检测树的树深度，得到所述候选检测树的检测分。
11.上述实施例，提供了一种计算检测树的检测分的方法，将树深度的变化除以叶子节点的减少数量，相较于的单纯的根据树深度的变化来确定检测分的方法，具有更高的准确率。
12.在一个实施例中，所述根据所述多棵检测树中的每棵检测树的检测分，得到所述目标部件的工作状态的检测结果，包括：将所述多棵检测树中的每棵检测树的检测分求和，
得到检测和；将所述检测和除以所述多棵检测树对应的检测数的数量，得到检测均值；根据所述检测均值，得到所述目标部件的工作状态的检测结果。
13.上述实施例，提供了一种综合考虑森林检测模型中的每棵检测树的检测结果的方法，即求得各个检测树的检测分的平均值，根据平均值得到检测结果。
14.在一个实施例中，所述根据所述检测均值，得到所述目标部件的工作状态的检测结果，包括：计算所述检测均值与预设均值的差值；根据所述差值得到所述目标部件的工作状态的检测结果。
15.上述实施例，预先设置一个均值，将检测均值与该预设均值比较，根据比较结果得到检测结果。
16.在一个实施例中，在根据所述多棵检测树中的每棵检测树的检测分，得到所述目标部件的工作状态的检测结果之后，还包括：在所述森林检测模型中的每棵检测树中删除所述待检测数据集对应的叶子节点。
17.上述实施例，在得到检测结果后，还删除了待检测数据集对应的叶子节点，从而在检测后复原了森林检测模型中的每棵模型树。
18.在一个实施例中，还包括：获取更新数据集；删除更新模型树中的一个叶子节点，得到目标模型树，所述更新模型树为所述森林检测模型中的用于更新所述森林检测模型的模型树；将所述更新数据集插入所述目标模型树中。
19.上述实施例，实现了森林检测模型的更新，即随机选择一棵模型树，删除这棵树中的旧点，然后使用新点对模型进行更新。
20.在一个实施例中，在所述获取目标部件的待检测数据集之前，还包括：确定所述森林检测模型中的模型树的数量和每棵模型树中的叶子节点的数量；根据所述森林检测模型中的模型树的数量和每棵模型树中的叶子节点的数量，得到所述森林检测模型中的叶子节点的数量；根据所述森林检测模型中的叶子节点的数量，获取相应数量的历史数据集；根据所述相应数量的历史数据集构建所述森林检测模型。
21.上述实施例，提供了一种构建森林检测模型的方法，首先确定了森林的大小和树的大小，即模型树的数量和树中的叶子节点的数量，然后再获取相应数量的历史部件工作数据，从而不用获取过多的数据集后下采样。
22.第二方面，提供了一种部件工作状态的检测装置，包括：
23.获取模块，用于获取目标部件的待检测数据集，所述待检测数据集中包括多个部件工作数据；
24.插入模块，用于将所述待检测数据集插入森林检测模型中的每一棵模型树中，得到多棵检测树；
25.计算模块，用于计算所述多棵检测树中的每棵检测树的检测分，所述检测分表示检测树的树状态；
26.结果模块，用于根据所述多棵检测树中的每棵检测树的检测分，得到所述目标部件的工作状态的检测结果。
27.在一个实施例中，计算模块，具体用于：获取候选检测树的树深度，所述候选检测树为所述多棵检测树中还未计算检测分的检测树；删除候选路径中的候选节点，得到所述候选路径对应的残缺树，所述候选路径为所述待检测数据集在所述候选检测树中的路径，
所述候选节点为所述候选路径中除去根节点的节点；计算所述候选路径对应的残缺树的树深度；根据所述候选路径对应的各个残缺树的树深度和所述候选检测树的树深度，得到所述候选检测树的检测分。
28.在一个实施例中，结果模块，具体用于：将所述多棵检测树中的每棵检测树的检测分求和，得到检测和；将所述检测和除以所述多棵检测树对应的检测数的数量，得到检测均值；根据所述检测均值，得到所述目标部件的工作状态的检测结果。
29.在一个实施例中，结果模块，具体用于：计算所述检测均值与预设均值的差值；根据所述差值得到所述目标部件的工作状态的检测结果。
30.在一个实施例中，部件工作状态的检测装置，还包括：删除模块，用于在所述森林检测模型中的每棵检测树中删除所述待检测数据集对应的叶子节点。
31.在一个实施例中，部件工作状态的检测装置，还包括：更新模块，用于获取更新数据集；删除更新模型树中的一个叶子节点，得到目标模型树，所述更新模型树为所述森林检测模型中的用于更新所述森林检测模型的模型树；将所述更新数据集插入所述目标模型树中。
32.在一个实施例中，部件工作状态的检测装置，还包括：构建模块，用于确定所述森林检测模型中的模型树的数量和每棵模型树中的叶子节点的数量；根据所述森林检测模型中的模型树的数量和每棵模型树中的叶子节点的数量，得到所述森林检测模型中的叶子节点的数量；根据所述森林检测模型中的叶子节点的数量，获取相应数量的历史数据集；根据所述相应数量的历史数据集构建所述森林检测模型。
33.第三方面，提供了一种计算机设备，其特征在于，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上所述部件工作状态的检测方法的步骤。
34.第四方面，提供了一种计算机可读存储介质，所述计算机可读取存储介质中存储有计算机程序指令，所述计算机程序指令被处理器读取并运行时，执行如上所述部件工作状态的检测方法的步骤。
附图说明
35.为了更清楚地说明本技术实施例的技术方案，下面将对本技术实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本技术的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。
36.图1为本技术实施例中部件工作状态的检测方法的实现流程示意图；
37.图2为本技术实施例中插入待检测数据集的示意图；
38.图3为本技术实施例中插入待检测数据集的示意图；
39.图4为本技术实施例中插入待检测数据集的示意图；
40.图5为本技术实施例中叶子节点所在的路径的示意图；
41.图6为本技术实施例中删除了一个叶子节点的示意图；
42.图7为本技术实施例中删除了一个叶子节点的示意图；
43.图8为本技术实施例中删除了一个叶子节点的示意图；
44.图9为本技术实施例中删除了一个叶子节点的示意图；
45.图10为本技术实施例中删除待检测数据集对应的叶子节点的示意图；
46.图11为本技术实施例中删除待检测数据集对应的叶子节点的示意图；
47.图12为本技术实施例中生成模型树的示意图；
48.图13为本技术实施例中部件工作状态的检测装置的组成结构示意图；
49.图14为本技术实施例中计算机设备的内部结构框图。
具体实施方式
50.下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
51.在一个实施例中，提供了一种部件工作状态的检测方法。本发明实施例所述的部件工作状态的检测方法的执行主体为能够实现本发明实施例所述的部件工作状态的检测方法的计算机设备，例如，该计算机设备为设置有目标部件的设备，例如，目标部件为电机；该计算机设备还可以是终端和服务器，其中，终端包括台式终端和移动终端，台式终端包括但不限于台式电脑和车载电脑，移动终端包括但不限于手机、平板、笔记本电脑和智能手表，服务器包括高性能计算机和高性能计算机集群，例如，包含有目标部件的设备将目标部件的待检测数据集发送至终端或服务器，终端和服务器在接收到目标部件的待检测数据集后，根据本发明实施例所述的部件工作状态的检测方法，得到目标部件的工作状态的检测结果。
52.在一个实施例中，如图1所示，提供了一种部件工作状态的检测方法，包括：
53.步骤100，获取目标部件的待检测数据集，所述待检测数据集中包括多个部件工作数据。
54.目标部件，为机器设备中的一个部件，例如，目标部件为电机。
55.待检测数据集，为包含多个部件工作数据的集合，其中，部件工作数据，为反映部件工作情况的数据，例如，当目标部件是电机时，待检测数据集中的4个部件工作数据为：电流数据、温度数据、振动数据和功率数据，其中，温度数据反映电机的温度情况，电流数据反映电机中的电流情况，例如，电流数据可以是三相电流值(a相、b相和c相)，振动数据反映电机的振动情况，例如，由于电机中的螺丝松动导致电机在运行过程中产生振动，功率数据反映电机在运行时的功率。
56.为目标部件设置了多种检测传感器，通过该多种检测传感器可以获取到目标部件的待检测数据集，例如，多种检测传感器包括电流检测传感器，用于检测电流数据，温度检测传感器，用于检测温度。
57.获取目标部件的待检测数据集，包括：每隔预设时间获取目标部件的待检测数据集。例如，预设时间为30秒，则意味着每隔30秒就需要对部件的工作状态进行检测，从而能够及时发现部件是否出现异常。
58.步骤200，将所述待检测数据集插入森林检测模型中的每一棵模型树中，得到多棵检测树。
59.森林检测模型，为对目标部件的工作状态进行检测的模型；模型树，为森林检测模型中的一棵树，森林检测模型中的一棵模型树，可以看作是对目标部件的工作状态进行检测的一个检测模型，由于森林检测模型中包含多棵模型树，因此，森林检测模型可以综合其中的各个模型树的检测结果从而得到更加准确的检测结果；检测树，为在模型树中插入待检测数据集后得到的树。
60.提供一种在模型树中插入待检测数据集的示例，包括：获取模型树中的目标叶子节点对应的叶子数据集；根据待检测数据集和目标叶子节点对应的叶子数据集得到目标维度和目标维度对应的目标切分点；根据模型树中的各个叶子节点对应的叶子数据集确定目标维度的初始范围；情况一、若目标切分点在初始范围内，则将待检测数据集划分到目标叶子节点对应的根节点的左子树或者右子树；情况二、若目标切分点不在目标范围内，则将待检测数据集作为与目标叶子节点对应的根节点并列的节点。在模型树中插入待检测数据集的截止条件为：待检测数据集成为模型树的叶子节点。
61.作为一种示例，如图2所示，模型树中总共有7个叶子节点，每个叶子节点对应一个叶子数据集，模型树总共有2个维度的部件工作数据，一个维度是温度，相应的部件工作数据是温度值，另外一个维度是电流，相应的部件工作数据是电流值，根据7个叶子数据集确定温度维度的初始范围为[20,50]，根据7个叶子数据集确定电流维度的初始范围为[5a,20a]。
[0062]
情况一、当需要插入待检测数据集时，模型树中的7个叶子节点均为目标叶子节点，假设待检测数据集为(15,30)，根据7个叶子节点对应的叶子数据集和该待检测数据集，确定温度维度的数据范围为[15,50]，电流维度的数据范围为[5a,30a]，假设目标维度为温度维度，从温度维度的数据范围[15,50]中选择一个温度值作为温度维度的切分点，即目标切分点，假设目标切分点为25，由于25在温度维度的初始范围[20,50]内，根据图2所示，由于待检测数据集的温度值为15小于目标叶子节点对应的根节点(a节点)的切分点(30)，因此，将待检测数据集划分到7个叶子节点对应的根节点的左子树中。由于待检测数据集还未成为模型树的叶子节点，因此，还需要继续划分。
[0063]
情况二、经过上述情况一的划分，目标叶子节点变成了叶子节点1、2和3，叶子节点1、2和3的温度维度的数据范围为[20,30]，电流维度的数据范围为[5a,20a]，由于待检测数据集为(15,30)，因此，由叶子节点1、2、3以及待检测数据集确定的温度维度的数据范围为[15,30]，电流维度的数据范围为[5a,30a]，假设目标维度为电流，目标切分点为25a，由于目标切分点没有在电流维度的初始范围[5a,20a]内，因此，如图3所示，将待检测数据集对应的节点(叶子节点8)作为与目标叶子节点对应的根节点(图2中的b节点)并列的节点。
[0064]
情况一、经过上述情况一的划分，目标叶子节点变成了叶子节点1、2和3，叶子节点1、2和3的温度维度的数据范围为[20,30]，电流维度的数据范围为[5a,20a]，由于待检测数据集为(15,30)，因此，由叶子节点1、2、3以及待检测数据集确定的温度维度的数据范围为[15,30]，电流维度的数据范围为[5a,30a]，假设目标维度为电流，目标切分点为18a，由于目标切分点在电流维度的初始范围[5a,20a]内，因此，如图4所示，由于待检测数据集的温度值为15小于3个目标叶子节点对应的根节点(b节点)的切分点(25)，因此，将待检测数据集划分到3个目标叶子节点对应的根节点(b节点)的左子树中。由于待检测数据集还未成为模型树的叶子节点，因此，还需要继续划分。由于经过上述划分，目标叶子节点变成了叶子
节点1，叶子节点1的温度维度的数据范围为[20,25]，电流维度的初始范围为[5a,20a]，由于待检测数据集为(15,30)，因此，选择一个合适的目标维度和目标切分点，例如，选择的目标维度为电流，目标切分点为25a，从而将叶子节点1对应的叶子数据集和待检测数据集(叶子节点8为待检测数据集对应的节点)分开。
[0065]
步骤300，计算所述多棵检测树中的每棵检测树的检测分，所述检测分表示检测树的树状态。
[0066]
检测树的检测分，为反映检测树的树状态的数值；树状态，反映树是正常状态还是异常状态。
[0067]
示例性的，获取检测树的树深度；获取检测树对应的模型树(该检测树在插入待检测数据前的模型树)的树深度；根据检测树的树深度与检测树对应的模型树的树深度的差值，得到该检测树的检测分。
[0068]
检测树的树深度与检测树对应的模型树的树深度的差值越大，则认为越异常，相应的，检测树的检测分越大；检测树的树深度与检测树对应的模型树的树深度的差值越小，则认为越正常，相应的，检测树的检测分越小。
[0069]
步骤400，根据所述多棵检测树中的每棵检测树的检测分，得到所述目标部件的工作状态的检测结果。
[0070]
工作状态，反映目标部件的工作情况是正常还是异常，例如，当每棵检测树的检测分都低于预设检测分时，目标部件的工作状态的检测结果为正常，其中，预设检测分，为预先设置的用于判断检测分的阈值；否则，目标部件的工作状态的检测结果为异常。
[0071]
上述部件工作状态的检测方法，由于待检测数据集中包括多个部件工作数据，因此，在对部件的工作状态进行检测时，可以从多个维度考虑部件的工作情况，从而得到更加准确的检测结果；并且，在工作状态的检测过程中，采用的是森林检测模型，森林检测模型中包括多棵模型树，而每一棵模型树都可以看作是一个检测模型，因此，森林检测模型相当于是通过综合多个检测模型的检测结果得到部件的工作状态的检测结果，使得得到的检测结果更加的准确。
[0072]
在一个实施例中，部件工作状态的检测方法，还包括：若目标部件的工作状态的检测结果为异常，则生成异常提示信息，以通过该异常提示信息进行提示。
[0073]
在一个实施例中，步骤300所述计算所述多棵检测树中的每棵检测树的检测分，包括：
[0074]
步骤301，获取候选检测树的树深度，所述候选检测树为所述多棵检测树中还未计算检测分的检测树。
[0075]
获取候选检测树中的各个叶子节点所在的路径；根据每个叶子节点所在的路径，得到候选检测树的树深度。
[0076]
如图5中的左图所示，叶子节点111所在的路径为：1
‑
11
‑
111，叶子节点1121所在的路径为：1
‑
11
‑
112
‑
1121，叶子节点12211所在的路径为：1
‑
12
‑
122
‑
1221
‑
12211。叶子节点111所在的路径的深度为：2，叶子节点1121所在的路径的深度为：3，叶子节点12211所在的路径的深度为：4。将各个叶子节点所在的路径的深度求和，得到候选检测树的树深度，如图5的候选检测树的树深度为：21。
[0077]
步骤302，删除候选路径中的候选节点，得到所述候选路径对应的残缺树，所述候
选路径为所述待检测数据集在所述候选检测树中的路径，所述候选节点，为所述候选路径中除去根节点的节点。
[0078]
假设叶子节点12211为待检测数据集对应的节点，则候选路径为1
‑
12
‑
122
‑
1221
‑
12211。
[0079]
若候选节点为叶子节点12211，则将叶子节点12211删除，得到的残缺树1如图6所示，删除了叶子节点12211后，节点1221变成了12212；若候选节点为节点1221，则将候选节点1221删除后，得到的残缺树2如图7所示，删除了叶子节点1221后，节点122变成了1222；若候选节点为122，则将候选节点122删除后，得到的残缺树3如图8所示，删除了叶子节点122后，节点12变成了121；若候选节点为12，则将候选节点12删除后，得到的残缺树4如图9所示。
[0080]
步骤303，计算所述候选路径对应的残缺树的树深度。
[0081]
按照步骤301中计算候选检测树的树深度的方法计算残缺树的树深度，在此不再详述，得到残缺树1，2，3，4的树深度为：16，12，9，5。
[0082]
步骤304，根据所述候选路径对应的各个残缺树的树深度和所述候选检测树的树深度，得到所述候选检测树的检测分。
[0083]
将候选检测树的树深度减去残缺树的树深度，得到残缺树对应的深度变化；将残缺树对应的深度变化除以节点减少数，得到残缺树的检测分；根据候选路径对应的各个残缺树对应的检测分，得到候选检测树的检测分。
[0084]
节点减少数，为候选检测树中所包含的叶子节点的数量减去残缺树中所包含的叶子节点的数量。例如，对于残缺树1，候选检测树中所包含的叶子节点的数量为7，残缺树1中所包含的叶子节点的数量为6，于是，节点减少数为1。
[0085]
例如，对于残缺树1，检测分为：(21
‑
16)/(7
‑
6)＝5；对于残缺树2，检测分为：(21
‑
12)/(7
‑
5)＝4.5；对于残缺树3，检测分为：(21
‑
9)/(7
‑
4)＝4；对于残缺树4，检测分为：(21
‑
5)/(7
‑
3)＝4，由于最大的检测分为5，于是，将5作为候选检测树的检测分。
[0086]
上述实施例，提供了一种计算检测树的检测分的方法，将树深度的变化除以叶子节点的减少数量，相较于的单纯的根据树深度的变化来确定检测分的方法，具有更高的准确率。
[0087]
在一个实施例中，步骤400根据所述多棵检测树中的每棵检测树的检测分，得到所述目标部件的工作状态的检测结果，包括：
[0088]
步骤401，将所述多棵检测树中的每棵检测树的检测分求和，得到检测和。
[0089]
例如，森林检测模型中总共有3棵检测树，3棵检测树的检测分分别为a、b和c，于是，检测和为：a b c。
[0090]
步骤402，将所述检测和除以所述多棵检测树对应的检测数的数量，得到检测均值。
[0091]
检测均值为：(a b c)/3。
[0092]
步骤403，根据所述检测均值，得到所述目标部件的工作状态的检测结果。
[0093]
示例性的，若检测均值在[t1，t2]内，则检测结果为正常；若检测均值在[t2，t3]内，则检测结果为异常。
[0094]
上述实施例，提供了一种综合考虑森林检测模型中的每棵检测树的检测结果的方
法，即求得各个检测树的检测分的平均值，根据平均值得到检测结果。
[0095]
在一个实施例中，步骤403所述根据所述检测均值，得到所述目标部件的工作状态的检测结果，包括：
[0096]
计算所述检测均值与预设均值的差值；
[0097]
根据所述差值得到所述目标部件的工作状态的检测结果。
[0098]
例如，预设均值为r，检测均值为u，则差值为u
‑
r，若u
‑
r大于0，则目标部件的工作状态的检测结果为异常；若u
‑
r小于0，则目标部件的工作状态的检测结果为正常。
[0099]
上述实施例，预先设置一个均值，将检测均值与该预设均值比较，根据比较结果得到检测结果。
[0100]
在一个实施例中，在步骤400根据所述多棵检测树中的每棵检测树的检测分，得到所述目标部件的工作状态的检测结果之后，还包括：
[0101]
步骤500，在所述森林检测模型中的每棵检测树中删除所述待检测数据集对应的叶子节点。
[0102]
如图10和11所示，为删除待检测数据集对应的叶子节点8的示意图，覆盖有三角形的部分全部均需要删除，即不仅删除该叶子节点，还要删除得到该叶子节点的规则以及该叶子节点的父节点，从而复原模型树。
[0103]
上述实施例，在得到检测结果后，还删除了待检测数据集对应的叶子节点，从而在检测后复原了森林检测模型中的每棵模型树。
[0104]
在一个实施例中，部件工作状态的检测方法，还包括：
[0105]
步骤600，获取更新数据集。
[0106]
更新数据集，为用于对森林检测模型进行更新的数据集。例如，每隔预定时间获取更新数据集，例如，预定时间为2分钟，则意味着每隔2分钟就对森林检测模型进行更新。
[0107]
步骤700，删除更新模型树中的一个叶子节点，得到目标模型树，所述更新模型树为所述森林检测模型中的用于更新所述森林检测模型的模型树。
[0108]
更新模型树，为森林检测模型中的多棵模型树中的一棵，可以从森林检测模型中的多棵模型树中随机选择一棵作为更新模型树，删除更新模型树中的一个叶子节点，得到目标模型树，如图5所示。
[0109]
示例性的，根据各个叶子节点在更新模型树中的生存时间确定叶子目标节点；删除更新模型树中的叶子目标节点。例如，将生存时间最大的叶子节点删除，以保证森林检测模型随时间推移不断更新。生存时间＝当前时间
‑
插入更新模型树的时间，例如，当前时间为10:28:32，某个叶子节点插入更新模型树的时间为10:27:32，于是，该叶子节点的生存时间为1分钟。
[0110]
步骤800，将所述更新数据集插入所述目标模型树中。
[0111]
插入方法如步骤200，在此不再详述。
[0112]
上述实施例，实现了森林检测模型的更新，即随机选择一棵模型树，删除这棵树中的旧点，然后使用新点对模型进行更新。
[0113]
在一个实施例中，在步骤100获取目标部件的待检测数据集之前，还包括：
[0114]
步骤900，确定所述森林检测模型中的模型树的数量和每棵模型树中的叶子节点的数量。
[0115]
步骤1000，根据所述森林检测模型中的模型树的数量和每棵模型树中的叶子节点的数量，得到所述森林检测模型中的叶子节点的数量。
[0116]
例如，模型树的数量为a，每棵模型树中的叶子节点的数量为b，则森林检测模型中的叶子节点的数量为a
×
b。
[0117]
步骤1100，根据所述森林检测模型中的叶子节点的数量，获取相应数量的历史数据集。
[0118]
历史数据集，为历史采集到的数据集。例如，获取a
×
b＝c个历史数据集，模型树构建好之后，一个叶子节点对应一个历史数据集。
[0119]
步骤1200，根据所述相应数量的历史数据集构建所述森林检测模型。
[0120]
将c个历史数据集划分为a组集合，每组集合中包含b个历史数据集，一组集合生成一棵模型树。
[0121]
下面说明如何生成模型树。初始化一个根节点，该根节点对应的样本集合中包含b个历史数据集；若当前节点对应的当前样本集合中只有一个数据集，则将当前节点标记为叶子节点；若当前节点对应的当前样本集合中的数据集的数量大于1，则确定当前节点对应的当前样本集合中，第i个维度的数据范围ki＝max
i
‑
min
i
，max
i
为维度i所包含的数据的最大值，mini为维度i所包含的数据的最小值；按照ki/∑
j
kj的概率选择一个维度q，其中，j＝1，2，3，
…
，d，其中，d为维度的最大值，对于维度q，从[min
q
，max
q
]中选择一个值作为切分点，基于该切分点，将当前样本集合中包含的数据集一分为二，例如，小于该切分点的数据集分到当前节点的右子节点，大于或等于该切分点的数据集分到当前节点的左子节点。
[0122]
例如图12，b＝7，即根节点对应的样本集合中有7个历史数据集，假设分别为：(50
°
，17a)，(44
°
，17a)，(41
°
，9a)，(39
°
，20a)，(38
°
，16a)，(30
°
，5a)，(20
°
，17a)，第一次划分的时候，当前节点是根节点，当前样本集合中包括上述7个历史数据集，于是，历史数据集的数量大于1，因此，第1个维度温度的数据范围为：[20,50]，第2个维度电流的数据范围为：[5a,20a]，假设维度q为温度，从数据范围[20,50]中选择一个作为切分点，例如，切分点为40，于是，将历史数据集1到3划分到了根节点的左子节点，将历史数据集4到7划分到了根节点的右子节点；假设当前节点是根节点的左子节点，当前样本集合为历史数据集1到3，由于根节点的左子节点包含的历史数据集的数量大于1，因此，根据历史数据集1到3确定第1维度温度的数据范围为：[41,50]，第2维度电流的数据范围为：[9a,17a]，假设维度q为温度，从数据范围[41,50]中选择一个作为切分点，例如，切分点为45，于是，将历史数据集1划分到当前节点(图12中的黑色三角形处的节点)的左子节点，历史数据集2和3划分到当前节点的右子节点，可以看到，历史数据集1变成了叶子节点，而历史数据集2和3仍然需要继续划分。
[0123]
上述实施例，提供了一种构建森林检测模型的方法，首先确定了森林的大小和树的大小，即模型树的数量和树中的叶子节点的数量，然后再获取相应数量的历史部件工作数据，从而不用获取过多的数据集后下采样。
[0124]
在一个实施例中，如图13，提供了一种部件工作状态的检测装置1300，包括：
[0125]
获取模块1301，用于获取目标部件的待检测数据集，所述待检测数据集中包括多个部件工作数据；
[0126]
插入模块1302，用于将所述待检测数据集插入森林检测模型中的每一棵模型树
中，得到多棵检测树；
[0127]
计算模块1303，用于计算所述多棵检测树中的每棵检测树的检测分，所述检测分表示检测树的树状态；
[0128]
结果模块1304，用于根据所述多棵检测树中的每棵检测树的检测分，得到所述目标部件的工作状态的检测结果。
[0129]
在一个实施例中，计算模块1303，具体用于：获取候选检测树的树深度，所述候选检测树为所述多棵检测树中还未计算检测分的检测树；删除候选路径中的候选节点，得到所述候选路径对应的残缺树，所述候选路径为所述待检测数据集在所述候选检测树中的路径，所述候选节点为所述候选路径中除去根节点的节点；计算所述候选路径对应的残缺树的树深度；根据所述候选路径对应的各个残缺树的树深度和所述候选检测树的树深度，得到所述候选检测树的检测分。
[0130]
在一个实施例中，结果模块1304，具体用于：将所述多棵检测树中的每棵检测树的检测分求和，得到检测和；将所述检测和除以所述多棵检测树对应的检测数的数量，得到检测均值；根据所述检测均值，得到所述目标部件的工作状态的检测结果。
[0131]
在一个实施例中，结果模块1304，具体用于：计算所述检测均值与预设均值的差值；根据所述差值得到所述目标部件的工作状态的检测结果。
[0132]
在一个实施例中，部件工作状态的检测装置1300，还包括：删除模块，用于在所述森林检测模型中的每棵检测树中删除所述待检测数据集对应的叶子节点。
[0133]
在一个实施例中，部件工作状态的检测装置1300，还包括：更新模块，用于获取更新数据集；删除更新模型树中的一个叶子节点，得到目标模型树，所述更新模型树为所述森林检测模型中的用于更新所述森林检测模型的模型树；将所述更新数据集插入所述目标模型树中。
[0134]
在一个实施例中，部件工作状态的检测装置1300，还包括：构建模块，用于确定所述森林检测模型中的模型树的数量和每棵模型树中的叶子节点的数量；根据所述森林检测模型中的模型树的数量和每棵模型树中的叶子节点的数量，得到所述森林检测模型中的叶子节点的数量；根据所述森林检测模型中的叶子节点的数量，获取相应数量的历史数据集；根据所述相应数量的历史数据集构建所述森林检测模型。
[0135]
在一个实施例中，如图14所示，提供了一种计算机设备，该计算机设备具体可以是终端或服务器，还可以是包含电机的设备。该计算机设备包括通过系统总线连接的处理器、存储器和网络接口，存储器包括非易失性存储介质和内存储器，该计算机设备的非易失性存储介质存储有操作系统，还可存储有计算机程序，该计算机程序被处理器执行时，可使得处理器实现部件工作状态的检测方法。非易失性存储器可包括只读存储器(rom)、可编程rom(prom)、电可编程rom(eprom)、电可擦除可编程rom(eeprom)或闪存。易失性存储器可包括随机存取存储器(ram)或者外部高速缓冲存储器。作为说明而非局限，ram以多种形式可得，诸如静态ram(sram)、动态ram(dram)、同步dram(sdram)、双数据率sdram(ddrsdram)、增强型sdram(esdram)、同步链路(synchlink)dram(sldram)、存储器总线(rambus)直接ram(rdram)、直接存储器总线动态ram(drdram)、以及存储器总线动态ram(rdram)等。该内存储器中也可储存有计算机程序，该计算机程序被处理器执行时，可使得处理器执行部件工作状态的检测方法。本领域技术人员可以理解，图14中示出的结构，仅仅是与本技术方案相关
的部分结构的框图，并不构成对本技术方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
[0136]
本技术提供的部件工作状态的检测方法可以实现为一种计算机程序的形式，计算机程序可在如图14所示的计算机设备上运行。计算机设备的存储器中可存储组成部件工作状态的检测装置的各个程序模板。比如，获取模块1301、插入模块1302和计算模块1303。
[0137]
一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行如下步骤：
[0138]
获取目标部件的待检测数据集，所述待检测数据集中包括多个部件工作数据；
[0139]
将所述待检测数据集插入森林检测模型中的每一棵模型树中，得到多棵检测树；
[0140]
计算所述多棵检测树中的每棵检测树的检测分，所述检测分表示检测树的树状态；
[0141]
根据所述多棵检测树中的每棵检测树的检测分，得到所述目标部件的工作状态的检测结果。
[0142]
在一个实施例中，提供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，使得所述处理器执行以下步骤：
[0143]
获取目标部件的待检测数据集，所述待检测数据集中包括多个部件工作数据；
[0144]
将所述待检测数据集插入森林检测模型中的每一棵模型树中，得到多棵检测树；
[0145]
计算所述多棵检测树中的每棵检测树的检测分，所述检测分表示检测树的树状态；
[0146]
根据所述多棵检测树中的每棵检测树的检测分，得到所述目标部件的工作状态的检测结果。
[0147]
需要说明的是，上述部件工作状态的检测方法、部件工作状态的检测装置、计算机设备及计算机可读存储介质属于一个总的发明构思，部件工作状态的检测方法、部件工作状态的检测装置、计算机设备及计算机可读存储介质实施例中的内容可相互适用。
[0148]
在本技术所提供的实施例中，应该理解到，所揭露装置和方法，可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，又例如，多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
[0149]
另外，作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
[0150]
再者，在本技术各个实施例中的各功能模块可以集成在一起形成一个独立的部分，也可以是各个模块单独存在，也可以两个或两个以上模块集成形成一个独立的部分。
[0151]
在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际
的关系或者顺序。
[0152]
以上所述仅为本技术的实施例而已，并不用于限制本技术的保护范围，对于本领域的技术人员来说，本技术可以有各种更改和变化。凡在本技术的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本技术的保护范围之内。