[发明专利]传送带故障检测方法、装置、计算机设备和存储介质在审

专利信息
申请号: 201911161742.1 申请日: 2019-11-22
公开(公告)号: CN110849617A 公开(公告)日: 2020-02-28
发明(设计)人: 杨明 申请(专利权)人: 深圳市通用互联科技有限责任公司
主分类号: G01M13/023 分类号: G01M13/023;G01M13/028;G06K9/62
代理公司: 广州华进联合专利商标代理有限公司 44224 代理人: 于丽君
地址: 518051 广东省深圳市南山区*** 国省代码: 广东;44
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 传送带 故障 检测 方法 装置 计算机 设备 存储 介质
【权利要求书】:

1.一种传送带故障检测方法,所述方法包括:

采集传送带的当前数据序列;所述当前数据序列为一定时间间隔内按时间先后顺序采集的数据序列;

对所述当前数据序列进行特征提取,得到所述当前数据序列的当前数据特征集合;

将所述当前数据特征集合输入目标传送带故障检测模型;所述目标传送带故障检测模型是通过测试数据序列集合对初始传送带故障检测模型进行参数调整得到的;所述初始传送带故障检测模型是通过对训练数据序列集合进行分类计算得到的;其中,所述测试数据序列集合和所述训练数据集合是由所述传送带的历史数据序列集合分割得到的;

所述目标传送带故障检测模型输出所述当前数据序列的故障检测值,根据所述当前数据序列的故障检测值确定所述传送带当前的工作状态。

2.根据权利要求1所述的方法,其特征在于,所述训练数据序列集合中的各个训练数据序列携带数据状态标记值,所述初始传送带故障检测模型的训练步骤包括:

对所述训练数据序列集合中各个训练数据序列进行特征提取,得到各个训练数据序列的训练数据特征集合;

对各个训练数据序列的各个训练数据特征根据当前分类算法进行分类计算得到所述各个训练数据特征对应的分数,将所述各个训练数据特征对应的分数赋予权重后相加,得到所述各个训练数据序列的故障检测值;

将所述各个训练数据序列的故障检测值与对应的数据状态标记值比对,当比对结果不符合预设条件时,更新所述当前分类算法,返回所述对各个训练数据序列的各个训练数据特征根据当前分类算法进行分类计算得到所述各个训练数据特征对应的分数的步骤,直到比对结果符合预设条件,根据符合预设条件时对应的各个训练数据特征对应的分数和权重建立所述初始传送带故障检测模型。

3.根据权利要求2所述的方法,其特征在于,所述对各个训练数据序列的各个训练数据特征进行分类计算得到所述各个训练数据特征对应的分数,将所述各个训练数据特征对应的分数赋予权重后相加,得到所述各个训练数据序列的故障检测值包括:

根据各个训练数据序列确定所述各个训练数据特征的优先级;

根据所述各个训练数据特征的优先级对所述各个训练数据特征进行分类,得到当前优先级的训练数据特征的类别,根据所述当前优先级的训练数据特征的类别确定所述当前优先级的训练数据特征对应的分数;

根据所述当前优先级的训练数据特征对应的分数确定各个训练数据序列的当前优先级检测损失值;

根据所述当前优先级检测损失值和历史检测损失值确定各个训练数据序列的当前检测损失值;所述历史检测损失值由各个历史优先级检测损失值计算得到;

当所述各个训练数据序列的当前检测损失值大于预设的检测损失阈值时,执行所述根据所述各个训练数据特征的优先级对所述各个训练数据特征进行分类,得到当前优先级的训练数据特征的类别的步骤;

当所述各个训练数据序列的当前检测损失值不大于预设的检测损失阈值时,根据所述各个训练数据序列的当前检测损失值确定各个训练数据序列的故障检测值。

4.根据权利要求3所述的方法,其特征在于,在所述根据所述当前优先级检测损失值和历史检测损失值确定各个训练数据序列的当前检测损失值之后,还包括:

根据所述各个训练数据序列的当前检测损失值和上一个检测损失值,计算得到当前检测损失差值;

当当前检测损失差值大于检测损失差值阈值时,执行所述根据所述各个训练数据特征的优先级对所述各个训练数据特征进行分类,得到当前优先级的训练数据特征的类别的步骤;

当当前检测损失差值不大于检测损失差值阈值时,根据所述各个训练数据序列的当前检测损失值确定各个训练数据序列的故障检测值。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于深圳市通用互联科技有限责任公司,未经深圳市通用互联科技有限责任公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201911161742.1/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top