[发明专利]设备数据分类方法、装置及电子设备

权利要求书

1.一种设备数据分类方法，其特征在于，所述方法包括：

获取设备加工过程中产生的时序数据；

将所述时序数据输入至预先训练好的LSTM模型，以使所述LSTM模型对所述时序数据进行特征提取，得到所述时序数据的特征向量；

计算所述特征向量与预存的底库特征向量集中每个底库特征向量的相似度；其中，所述底库特征向量集包括多个数据类别对应的所述底库特征向量；

将相似度最高的所述底库特征向量所属的数据类别确定为所述时序数据的类别。

2.根据权利要求1所述的设备数据分类方法，其特征在于，所述LSTM模型为基于循环神经网络和全连接层进行训练得到的模型，所述方法还包括：

获取预先存储的时序数据训练集，其中，所述时序数据训练集包含有多个工序的标准时序数据；

将所述时序数据训练集输入至所述循环神经网络和所述全连接层进行训练，以得到所述LSTM模型。

3.根据权利要求1所述的设备数据分类方法，其特征在于，所述计算所述特征向量与预存的底库特征向量集中每个底库特征向量的相似度的步骤包括：

根据余弦相似度分别计算所述特征向量与预存的所述底库特征向量集中每个所述底库特征向量的相似度。

4.根据权利要求3所述的设备数据分类方法，其特征在于，所述时序数据包括设备加工过程中产生的电流、电压、扭矩中的一种或多种。

5.根据权利要求1所述的设备数据分类方法，其特征在于，所述方法还包括：

根据所述时序数据的类别将所述时序数据存储在相应的数据库中。

6.一种设备数据分类装置，其特征在于，所述装置包括：

获取模块，获取设备加工过程中产生的时序数据；

特征提取模块，用于将所述时序数据输入至预先训练好的LSTM模型，以使所述LSTM模型对所述时序数据进行特征提取，得到所述时序数据的特征向量；

计算模块，用于计算所述特征向量与预存的底库特征向量集中每个底库特征向量的相似度；其中，所述底库特征向量集包括多个数据类别对应的所述底库特征向量；

确定模块，用于将相似度最高的所述底库特征向量所属的数据类别确定为所述时序数据的类别。

7.根据权利要求6所述的设备数据分类装置，其特征在于，所述LSTM模型为基于循环神经网络和全连接层进行训练得到的模型，所述装置还包括：

获取预先存储的时序数据训练集，其中，所述时序数据训练集包含有多个工序的标准时序数据；

将所述时序数据训练集输入至所述循环神经网络和所述全连接层进行训练，以得到所述LSTM模型。

8.根据权利要求6所述的设备数据分类装置，其特征在于，所述计算模块还包括：

根据余弦相似度分别计算所述特征向量与预存的所述底库特征向量集中每个所述底库特征向量的相似度。

9.一种电子设备，其特征在于，包括处理器和存储器，所述存储器存储有能够被所述处理器执行的计算机可执行指令，所述处理器执行所述计算机可执行指令以实现上述权利要求1至5任一项所述的设备数据分类方法。

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机可执行指令，所述计算机可执行指令在被处理器调用和执行时，计算机可执行指令促使处理器实现上述权利要求1至5任一项所述的设备数据分类方法。