申请/专利权人：中南民族大学;华中科技大学

申请日：2021-07-08

公开（公告）日：2024-04-23

公开（公告）号：CN113610350B

主分类号：G06F18/2433

分类号：G06F18/2433;G06F18/2431;G06F18/15;G06N5/01;G06Q10/0633;G06Q50/04

优先权：

专利状态码：有效-授权

法律状态：2024.04.23#授权;2021.11.23#实质审查的生效;2021.11.05#公开

摘要：本发明公开了一种复杂工况故障诊断方法、设备、存储介质及装置，本发明通过预设最优性能子模型和预设分类模型对应用设备的制造数据进行诊断，以获得诊断结果；根据预设关联算法和诊断结果确定制造数据中包含的问题工序信息对应的故障路径。本发明通过预设最优性能子模型和预设分类模型对制造数据进行诊断，根据预设关联算法和诊断结果确定制造数据中包含的问题工序信息对应的故障路径，本发明相对于现有技术中依靠操作者的经验进行诊断，导致诊断结果不准确，本发明实现了可通过训练好的模型对复杂工况的工序进行问题溯源诊断，更加准确地定位制造过程中产生的问题，达到诊断的目的，提升诊断速率，更精准定位制造过程产生问题的故障路径。

主权项：1.一种复杂工况故障诊断方法，其特征在于，所述复杂工况故障诊断方法包括以下步骤：获取历史工序制造数据；对所述历史工序制造数据对应的工序进行异常标注，以获得标注后的异常工序及异常工序数据；根据所述标注后的异常工序及异常工序数据构建问题工序数据集；根据所述问题工序数据集对基于LightGBM算法的模型进行训练，以获得初始分类模型；根据所述问题工序数据集对所述初始分类模型进行训练，以获得预设分类模型；根据所述历史工序制造数据对预设粒度可调层次模型进行训练，以获得不同的层次子模型；对各个层次子模型进行评估，以获得最优排序子模型；对各最优排序子模型进行训练，以获得各最优排序子模型的出现频次；根据所述出现频次从各最优排序子模型中选取最优性能子模型，并将所述最优性能子模型作为初始最优性能子模型；根据所述历史工序制造数据对所述初始最优性能子模型进行训练，以获得预设最优性能子模型；获取应用设备的制造数据；根据预设最优性能子模型对所述制造数据对应的原始工序进行划分，以获得原始工序中问题工序的占比；根据所述占比确定诊断优先级；根据预设分类模型和所述诊断优先级对所述制造数据进行诊断，以获得诊断结果；根据预设关联算法和所述诊断结果确定所述制造数据中问题工序对应的频繁项集；根据所述频繁项集确定问题工序对应的故障路径。

全文数据：

权利要求：

百度查询： 中南民族大学;华中科技大学 复杂工况故障诊断方法、设备、存储介质及装置

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