[发明专利]检测方法、装置、存储介质及处理器在审
| 申请号: | 202011504202.1 | 申请日: | 2020-12-17 |
| 公开(公告)号: | CN112633351A | 公开(公告)日: | 2021-04-09 |
| 发明(设计)人: | 刘然;陈阳;孙博闻 | 申请(专利权)人: | 博彦多彩数据科技有限公司 |
| 主分类号: | G06K9/62 | 分类号: | G06K9/62;G06N3/04;G06N3/08;G01M99/00 |
| 代理公司: | 北京康信知识产权代理有限责任公司 11240 | 代理人: | 曾红芳 |
| 地址: | 100193 北京市海淀区*** | 国省代码: | 北京;11 |
| 权利要求书: | 查看更多 | 说明书: | 查看更多 |
| 摘要: | |||
| 搜索关键词: | 检测 方法 装置 存储 介质 处理器 | ||
1.一种制冷机组检测方法,其特征在于,包括:
获取第一检测模型,其中,所述第一检测模型为满足预设制冷机组与待检测制冷机组的关联关系条件后使用多组数据通过机器学习训练出来的,所述多组数据中的每组包括:预设制冷机组的特征参数,和特征参数所对应的故障类型;
将所述第一检测模型中的模型参数迁移至预先配置的用于对所述待检测制冷机组进行检测的预设检测模型中,得到初始检测模型;
基于所述待检测制冷机组的样本数据对所述初始检测模型的模型参数进行调整,得到第二检测模型,其中,所述样本数据为所述待检测制冷机组的特征参数和各特征参数所对应的故障类型;
基于所述第二检测模型对所述待检测制冷机组的特征参数进行检测,得到所述待检测制冷机组的检测结果。
2.根据权利要求1所述的方法,其特征在于,获取第一检测模型包括:
获取模板制冷机组的检测数据和所述待检测制冷机组的检测数据,其中,所述模板制冷机组为数据库中预先存储的具有检测模型的制冷机组;
基于所述模板制冷机组的检测数据和所述待检测制冷机组的检测数据,确定所述模板制冷机组和所述待检测制冷机组的关联度;
在所述关联度符合预定条件的情况下,确定所述模板制冷机组为所述预设制冷机组,确定所述模板制冷机组的检测模型为所述第一检测模型。
3.根据权利要求2所述的方法,其特征在于,所述方法还包括:
在确定所述待检测制冷机组的第二检测模型后,将所述待检测制冷机组的检测数据,和所述第二检测模型存入所述数据库。
4.根据权利要求1所述的方法,其特征在于,获取第一检测模型包括:
获取所述预设制冷机组的特征参数,和各个所述特征参数对应的故障类型;
将所述特征参数和各所述特征参数对应的故障类型输入预设模板模型,训练得到所述第一检测模型。
5.根据权利要求4所述的方法,其特征在于,获取所述预设制冷机组的特征参数包括:
获取所述预设制冷机组的检测数据,其中,所述预设制冷机组的检测数据为多元时间序列数据;
对所述多元时间序列数据进行降维处理,得到所述预设制冷机组的特征参数。
6.根据权利要求4所述的方法,其特征在于,所述预设模板模型包括:多个模型单元;将所述特征参数和各所述特征参数对应的故障类型输入预设模板模型,训练得到所述第一检测模型包括:
将所述预设制冷机组的特征参数划分为的多个数据集;
确定各个数据集对应的模型单元;
将各个数据集中的特征参数输入至与所述各个数据集对应的模型单元,训练所述第一检测模型。
7.一种检测装置,其特征在于,包括:
获取单元,用于获取第一检测模型,其中,所述第一检测模型为满足预设制冷机组与待检测制冷机组的关联关系条件后使用多组数据通过机器学习训练出来的,所述多组数据中的每组包括:预设制冷机组的特征参数,和特征参数所对应的故障类型;
迁移单元,用于将所述第一检测模型中的模型参数迁移至预先配置的用于对所述待检测制冷机组进行检测的预设检测模型中,得到初始检测模型;
调整单元,用于基于所述待检测制冷机组的样本数据对所述初始检测模型的模型参数进行调整,得到第二检测模型,其中,所述样本数据为所述待检测制冷机组的特征参数和各参数所对应的故障类型;
检测单元,用于基于所述第二检测模型对所述待检测制冷机组的特征参数进行检测,得到所述待检测制冷机组的检测结果。
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博彦多彩数据科技有限公司,未经博彦多彩数据科技有限公司许可,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/202011504202.1/1.html,转载请声明来源钻瓜专利网。





