申请/专利权人：深圳市潼芯传感科技有限公司

申请日：2023-12-11

公开（公告）日：2024-03-29

公开（公告）号：CN117390571B

主分类号：G06F18/2433

分类号：G06F18/2433;G06N3/045;G06N3/0464;G06N3/08

优先权：

专利状态码：有效-授权

法律状态：2024.03.29#授权;2024.01.30#实质审查的生效;2024.01.12#公开

摘要：本发明涉及设备故障检测领域，特别是一种基于工业设备的故障排除方法及系统。通过建立目标ResNet设备故障识别模型；通过设备传感器获取工业设备的第一设备运行状态信号，将所述第一设备运行状态信号输入目标ResNet设备故障识别模型中进行识别，得到工业设备实时运行状态；根据所述工业设备实时运行状态对工业设备的故障进行判断，若工业设备判断为硬件故障状态，则对工业设备的硬件运行状态进行评估；若所述工业设备判断为硬件正常状态，则获取所述工业设备的第二设备运行状态信号，将所述第二设备运行状态信号输入所述目标ResNet设备故障识别模型中进行识别。可以更加准确的对工业设备的硬件故障、软件故障进行诊断排除，提升工业设备故障排除效率。

主权项：1.一种基于工业设备的故障排除系统，其特征在于，所述故障排除系统包括以下模块：数据获取模块，用于获取服务器中工业设备的历史设备运行状态信号，对所述历史设备运行状态信号进行数据处理，得到训练设备运行状态信号和测试设备运行状态信号；模型建立模块，用于建立ResNet设备故障识别模型，在所述ResNet设备故障识别模型中引入非对称卷积神经网络ACNet，利用GhostNet幽灵网络优化所述ResNet设备故障识别模型的卷积层，得到初始ResNet设备故障识别模型，其中，所述建立ResNet设备故障识别模型，在所述ResNet设备故障识别模型中引入非对称卷积神经网络ACNet，利用GhostNet幽灵网络优化所述ResNet设备故障识别模型的卷积层，得到初始ResNet设备故障识别模型，包括：建立ResNet设备故障识别模型，在所述ResNet设备故障识别模型中引入非对称卷积神经网络ACNet；利用Ghost模块构建新的主干网络，得到新主干网络，对所述新主干网络的参数进行训练，得到收敛主干网络；在所述收敛主干网络中，利用激活的映射函数将三维激活张量转变为二维张量；利用GhostNet幽灵网络与注意力知识蒸馏方法相融合，得到初始ResNet设备故障识别模型；模型训练模块，用于将所述训练设备运行状态信号输入至所述初始ResNet设备故障识别模型中进行训练，更新所述初始ResNet设备故障识别模型中的参数，将所述测试设备运行状态信号输入至所述初始ResNet设备故障识别模型进行测试，得到目标ResNet设备故障识别模型，其中，所述将所述训练设备运行状态信号输入至所述初始ResNet设备故障识别模型中进行训练，更新所述初始ResNet设备故障识别模型中的参数，将所述测试设备运行状态信号输入至所述初始ResNet设备故障识别模型进行测试，得到目标ResNet设备故障识别模型，包括：将所述训练设备运行状态信号输入至所述初始ResNet设备故障识别模型中进行训练，设置学习率=0.1，迭代训练次数=200次，更新所述初始ResNet设备故障识别模型中的参数；将所述测试设备运行状态信号输入至所述初始ResNet设备故障识别模型进行测试，得到目标ResNet设备故障识别模型；故障识别模块，用于通过设备传感器获取工业设备的第一设备运行状态信号，将所述第一设备运行状态信号输入所述目标ResNet设备故障识别模型中进行识别，得到工业设备实时运行状态，其中，所述通过设备传感器获取工业设备的第一设备运行状态信号，将所述第一设备运行状态信号输入所述目标ResNet设备故障识别模型中进行识别，得到工业设备实时运行状态，包括：通过设备传感器获取工业设备的第一设备运行状态信号，所述传感器至少包括震动传感器、声波传感器；对所述第一设备运行状态信号进行数据预处理，将处理后的第一设备运行状态信号输入所述目标ResNet设备故障识别模型中进行识别，得到工业设备实时运行状态；所述工业设备实时运行状态至少包括硬件故障状态和硬件正常状态；第一故障排除模块，用于根据所述工业设备实时运行状态对所述工业设备的故障进行判断，若所述工业设备判断为硬件故障状态，则对所述工业设备的硬件运行状态进行评估；第二故障排除模块，用于若所述工业设备判断为硬件正常状态，则获取所述工业设备的第二设备运行状态信号，将所述第二设备运行状态信号输入所述目标ResNet设备故障识别模型中进行识别，其中，所述若所述工业设备判断为硬件正常状态，则获取所述工业设备的第二设备运行状态信号，将所述第二设备运行状态信号输入所述目标ResNet设备故障识别模型中进行识别，包括：若所述工业设备判断为硬件正常状态，则获取所述工业设备的第二设备运行状态信号；所述第二设备运行状态信号至少包括工业设备中各类设备软件实时运行状态、设备网络实时运行状态；将所述第二设备运行状态信号输入所述目标ResNet设备故障识别模型中进行识别，得到设备软件运行状态；对有设备中设备软件运行状态异常的设备进行标记，得到第二标记设备硬件；将所述第二标记设备硬件的设备软件运行状态传输至服务器中进行预警；所述数据获取模块包括以下子模块：数据获取子模块，用于获取服务器中工业设备的历史设备运行状态信号，所述历史设备运行状态信号至少包括设备硬件实时运行状态，设备软件实时运行状态和设备网络实时运行状态；数据处理子模块，用于对历史设备运行状态信号中的缺失值、重复值、异常值进行处理，得到完整设备运行状态信号；数据合并子模块，用于将完整设备运行状态信号中多个工业设备部件的监测数据按时间对齐并合并，加入周期变量，得到设备运行状态信号序列；标准化子模块，用于利用均值对所述设备运行状态信号序列进行标准化，得到设备运行状态信号集；随机子模块，用于随机抽取所述设备运行状态信号集中69%的数据，得到训练设备运行状态信号，剩余31%为测试设备运行状态信号；所述第一故障排除模块包括以下子模块：判断子模块，用于根据所述工业设备实时运行状态对所述工业设备的故障进行判断，若所述工业设备判断为硬件故障状态；获取子模块，用于则通过震动传感器、声波传感器获取工业设备的各类硬件的设备震动信号和设备声波信号；标记子模块，用于对所述设备震动信号和设备声波信号异常的设备硬件进行标记，得到标记设备硬件；预警子模块，用于将所述标记设备硬件的设备震动信号和设备声波信号传输至服务器中进行预警。

全文数据：

权利要求：

百度查询： 深圳市潼芯传感科技有限公司 一种基于工业设备的故障排除方法及系统

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD