[发明专利]基于大数据分析的故障预测方法、装置、设备和存储介质

权利要求书

1.一种基于大数据分析的故障预测方法，其特征在于，所述基于大数据分析的故障预测方法包括：

获取目标设备的产量时序数据，根据所述产量时序数据，确定所述目标设备的各停顿时长；

将各所述停顿时长进行分类后排序，获得所述目标设备各故障类型对应的停顿时长序列；

分别统计各所述停顿时长序列中相邻的停顿时长之间的时间间隔，获得所述目标设备各故障类型的故障周期信息；

基于所述目标设备各故障类型的故障周期信息，预测所述目标设备的故障发生信息；

所述获取目标设备的产量时序数据，根据所述产量时序数据，确定所述目标设备的各停顿时长，包括：

在到达采样周期时采集目标设备的产量数据，将采集到的所述产量数据按照所述产量数据的采集时间先后排序形成产量时序数据；

计算所述产量时序数据中各产量数据对所述采样周期的导数，获得产率波形图；

将所述产率波形图中的产率数据错位相减，获得产率变化锯齿图；

根据所述产率变化锯齿图确定所述目标设备的状态，根据所述目标设备的状态的切换时间，确定所述目标设备的各停顿时长。

2.根据权利要求1所述的基于大数据分析的故障预测方法，其特征在于，所述将各所述停顿时长进行分类后排序，获得所述目标设备各故障类型对应的停顿时长序列，包括：

将各所述停顿时长按预设分类策略进行分类，获得停顿时长子集合，分别将各所述停顿时长子集合中的停顿时长按照各所述停顿时长的先后顺序排列，获得所述目标设备各故障类型对应的停顿时长序列；或，

将各所述停顿时长按散点图分类方式进行分类，获得停顿时长子集合，分别将各所述停顿时长子集合中的停顿时长按照各所述停顿时长的先后顺序排列，获得所述目标设备各故障类型对应的停顿时长序列。

3.根据权利要求1所述的基于大数据分析的故障预测方法，其特征在于，所述分别统计各所述停顿时长序列中相邻的停顿时长之间的时间间隔，获得所述目标设备各故障类型的故障周期信息，包括：

分别统计各所述停顿时长序列中相邻的停顿时长之间的时间间隔，获得所述目标设备各故障类型的多个单次停顿周期；

分别将各故障类型的多个单次停顿周期进行正态分布拟合回归，获得所述目标设备各故障类型的故障周期信息。

4.根据权利要求3所述的基于大数据分析的故障预测方法，其特征在于，所述分别将各故障类型的多个单次停顿周期进行正态分布拟合回归，获得所述目标设备各故障类型的故障周期信息，包括：

分别将各故障类型的多个单次停顿周期进行加权平均，获得各故障类型的平均停顿周期；

分别计算各故障类型的多个单次停顿周期和所述平均停顿周期的周期方差，并将所述平均停顿周期和所述周期方差作为所述目标设备各故障类型的故障周期信息。

5.根据权利要求1所述的基于大数据分析的故障预测方法，其特征在于，所述将所述产率波形图中的产率数据错位相减，获得产率变化锯齿图，包括：

对所述产率波形图进行预处理，并将经过预处理的产率波形图中的产率数据错位相减，获得产率变化锯齿图；或，

将所述产率波形图中的产率数据错位相减，获得初始锯齿图，对所述初始锯齿图进行滤波处理，获得产率变化锯齿图。

6.根据权利要求1所述的基于大数据分析的故障预测方法，其特征在于，所述根据所述产率变化锯齿图确定所述目标设备的状态，根据所述目标设备的状态的切换时间，确定所述目标设备的各停顿时长，包括：

将所述产率变化锯齿图中的突变点划分为设备关闭点和设备启动点；

分别计算所述产率变化锯齿图中相邻的所述设备关闭点和所述设备开启点之间的各时间间隔，将各所述时间间隔作为所述目标设备的各停顿时长。