[发明专利]设备故障类型的分析方法、装置、储存介质和电子设备

权利要求书

1.一种设备故障类型的分析方法，其特征在于，所述方法包括：

确定与当前数据点相匹配的目标数据簇，所述当前数据点为当前时刻目标设备中指定传感器采集的传感器数据的集合，所述目标数据簇为所有数据簇中与所述当前数据点具有最大匹配概率的数据簇，所述所有数据簇为根据所述当前时刻之前采集的数据点进行聚类得到的数据簇，每个所述数据簇为具有相同故障类型的多个数据点的集合；

确定所述目标数据簇中与所述目标数据簇具有最小匹配概率的第一数据点；

根据所述目标数据簇的故障状态，第一匹配概率以及第二匹配概率的对比结果，确定所述当前数据点的故障类型，所述第一匹配概率为所述第一数据点与所述目标数据簇的匹配概率，所述第二匹配概率为所述当前数据点与所述目标数据簇的匹配概率；

在所述确定与当前数据点相匹配的目标数据簇之前，所述方法还包括：

通过主成分分析PCA方法对所述传感器数据的集合进行降维处理得到第一数据点集合，所述第一数据点集合包含多个故障标注数据点与多个无标注数据点；

通过高斯混合模型将所述多个无标注数据点进行聚类得到多个数据簇，所述多个数据簇中的每个所述数据簇中包含的无标注数据点均对应相同的故障类型；

通过训练好的异常点分类模型在所述多个数据簇中标注出故障倾向数据点，以确定所述多个数据簇的故障状态，所述故障状态用于表示数据簇是故障数据簇以及倾向的故障类型，或用于表示数据簇是非故障数据簇。

2.根据权利要求1所述的方法，其特征在于，当所述故障状态表示所述目标数据簇为非故障数据簇时，所述根据所述目标数据簇的故障状态，第一匹配概率以及第二匹配概率的对比结果，确定所述当前数据点的故障类型，包括：

当所述第一匹配概率小于所述第二匹配概率，确定所述当前数据点为正常数据点；或者

当所述第一匹配概率大于所述第二匹配概率，确定所述当前数据点为未知故障类型的异常数据点。

3.根据权利要求1所述的方法，其特征在于，当所述故障状态表示所述目标数据簇为故障数据簇，且所述目标数据簇倾向的故障类型为第一故障类型时，所述根据所述目标数据簇的故障状态，第一匹配概率以及第二匹配概率的对比结果，确定所述当前数据点的故障类型，包括：

当所述第一匹配概率小于所述第二匹配概率，确定所述当前数据点为故障数据点，并且所述当前数据点的故障类型为所述第一故障类型；或者

当所述第一匹配概率大于所述第二匹配概率，确定所述当前数据点为未知故障类型的异常数据点。

4.根据权利要求2或3所述的方法，其特征在于，在所述根据所述目标数据簇的故障状态，第一匹配概率以及第二匹配概率的对比结果，确定所述当前数据点的故障类型之后，所述方法还包括：

将所述未知故障类型的异常数据点添加至所述第一数据点集合中，得到第二数据点集合；

通过所述高斯混合模型将所述第二数据点集合中的多个无标注数据点进行聚类得到新的多个数据簇；

通过所述训练好的异常点分类模型在所述新的多个数据簇中标注出故障倾向数据点，以确定所述新的多个数据簇的故障状态；

根据所述新的多个数据簇的故障状态，重新执行所述确定与当前数据点相匹配的目标数据簇至所述根据所述目标数据簇的故障状态，第一匹配概率以及第二匹配概率的对比结果，确定所述当前数据点的故障类型的步骤。

5.根据权利要求1所述的方法，其特征在于，所述通过训练好的异常点分类模型在所述多个数据簇标注出故障倾向数据点，以确定所述多个数据簇的故障状态，包括：

通过所述多个故障标注数据点对所述异常点分类模型进行训练；

通过所述训练好的异常点分类模型在第一数据簇中的多个无标注数据点中标注出所述故障倾向数据点，所述第一数据簇为所述多个数据簇中的任一数据簇；

确定所述第一数据簇中的倾向第一故障类型的故障倾向数据点的第一数量；

当所述第一数量大于预设的异常点数量阈值时，确定所述第一数据簇为故障数据簇，且所述第一数据簇倾向的故障类型为所述第一故障类型。