[发明专利]设备故障识别方法、装置及计算机可读存储介质

权利要求书

1.一种设备故障识别方法，其特征在于，包括：

获取设备的故障率数据，所述故障率数据包括第一故障率数组及对应的时间数组；

对所述故障率数据进行拟合得到第二故障率数组；

利用所述时间数组及所述第二故障率数组绘制故障曲线；

将所述故障曲线输入识别模型得到第一识别结果；其中，所述第一识别结果包括至少一种预设类别及其置信度，所述预设类别包括浴盆曲线BA、早期失效曲线EF、故障增加型曲线FI、先增后平曲线FITF、后期失效型曲线LF、随机曲线RA，所述识别模型为神经网络模型，所述识别模型是利用处理后的训练样本对经过稀疏化的第一模型进行迁移学习训练得到的，且所述第一模型是预先训练好的模型；

至少利用所述第一识别结果获取所述故障曲线的最终分类结果。

2.根据权利要求1所述的方法，其特征在于，所述获取设备的故障率数据包括：

统计所述设备在多个时间范围内的故障数据；

利用所述故障数据计算所述设备在多个所述时间范围内的第三故障率；

利用所述时间范围及所述第三故障率获取所述故障率数据，所述时间数组由所述多个时间范围组成；所述第一故障率数组中的每个元素为所述时间数组中对应位置的所述时间范围内的所述第三故障率或所述第三故障率与随机数的乘积。

3.根据权利要求1所述的方法，其特征在于，所述对所述故障率数据进行拟合得到第二故障率数组包括：

对所述故障率数据进行多项式拟合得到多项式系数；

利用所述多项式系数及所述时间数组计算得到所述第二故障率数组。

4.根据权利要求1所述的方法，其特征在于，所述至少利用所述第一识别结果获取所述故障曲线的最终分类结果包括：

选择所述置信度最高的预设类别作为所述最终分类结果。

5.根据权利要求1所述的方法，其特征在于，所述至少利用所述第一识别结果获取所述故障曲线的最终分类结果包括：

结合所述第一识别结果及第二识别结果获取所述故障曲线的分类结果，其中所述第二识别结果是利用所述第二故障率数组得到的。

6.根据权利要求5所述的方法，其特征在于，所述第一识别结果包括第一候选类别和第二候选类别，所述第一候选类别为所述置信度最高的预设类别，所述第二候选类别为所述置信度次高的预设类别；

所述结合所述第一识别结果及第二识别结果获取所述故障曲线的分类结果包括：

若所述第一候选类别为浴盆曲线BA、早期失效曲线EF和后期失效型曲线LF中的一种，所述第二识别结果为无法识别或与所述第一候选类别相同，所述分类结果为所述第一候选类别；

若所述第一候选类别和所述第二识别结果均为浴盆曲线BA、早期失效曲线EF和后期失效型曲线LF中的一种，且所述第二识别结果与所述第一候选类别不同，所述分类结果为所述第二识别结果；

若所述第一候选类别为故障增加型曲线FI、先增后平曲线FITF和随机曲线RA中的一种，且所述第一候选类别的置信度大于第一阈值，所述分类结果为所述第一候选类别；

若所述第一候选类别为故障增加型曲线FI、先增后平曲线FITF和随机曲线RA中的一种，所述第一候选类别的置信度小于或等于所述第一阈值，所述第二候选类别和所述第二识别结果均为浴盆曲线BA、早期失效曲线EF和后期失效型曲线LF中的一种，且所述第一候选类别的置信度大于第二阈值，所述第一阈值大于所述第二阈值，所述分类结果为所述第二候选类别。

7.根据权利要求6所述的方法，其特征在于，所述结合所述第一识别结果及第二识别结果获取所述故障曲线的分类结果之前进一步包括：

对所述第二故障率数组中指定位置的元素进行比较得到比较结果；

利用所述比较结果获取所述第二识别结果。