[发明专利]一种故障识别方法、装置、设备及存储介质

说明书

本申请公开了一种故障识别方法、装置、设备及存储介质，该方法包括：基于预设数量对所有设备中的历史健康数据进行穷尽式的排列组合，得到多个训练集以及对应的多个测试集；分别利用不同的训练集以及相应的测试集对待训练的多元统计分析模型进行训练以及测试以筛选出目标训练后模型；基于不同类型的故障在发生前的预设时间段内的历史设备状态特征，创建相应的特征码以得到第一故障码；获取实时数据并将输入到目标训练后模型中以进行故障检测，然后基于实时数据中的实时设备状态特征创建相应的特征码以得到第二故障码；将第一故障码与第二故障码进行比对以识别当前故障类型。通过本申请的技术方案，可以及时检测故障并对故障类型进行有效的识别。

技术领域

本发明涉及工业控制故障诊断技术领域，特别涉及一种故障识别方法、装置、设备及存储介质。

背景技术

随着工业过程的发展，生产规模越来越大，流程也越来越复杂。在工业过程，当设备在运行过程中出现了故障，却没有及时的检测与处理，不仅会降低生产效率，增加维护成本，严重时甚至会威胁到人类的生命安全。因此为了预防事故的发生，在工业现场引入一种实时有效的故障检测系统变得十分重要。由于通讯、传感等技术的高速发展，越来越多的工业过程配置了数据监测与采集系统，存储了大量的工业生产实时数据。因此，基于数据驱动，特别是基于多元统计方法的工业过程故障检测得到了越来越多的关注。

但是在现有技术中，训练模型时：由工程师选择好健康数据的特定数据段之后，直接作为训练集输入进行模型训练，受采集数据的影响很严重，取不同的时间段的健康数据作为训练集进行训练，得到的模型结果差距很大，想要得到性能很好的检测模型不得不反复选取不同的数据段进行训练，但是所选择的数据段的训练效果不一定好，最终也很难找到理想的模型；故障识别时：对故障的所有时刻的数据进行分析，计算出每一时刻数据的每个变量特征对该故障的贡献率，通过绘制贡献图来记录贡献率信息，难以对某种故障的信息进行归类，不能简洁地概括出某种故障的特征，不能简单地由计算机指令判断是否为同种故障。

综上，如何实现更易由计算机执行，优化训练集数据、自动识别故障并判断故障类型是目前有待解决的问题。

发明内容

有鉴于此，本发明的目的在于提供一种故障识别方法、装置、设备及存储介质，能够实现更易由计算机执行，优化训练集数据、自动识别故障并判断故障类型。其具体方案如下：

第一方面，本申请公开了一种故障识别方法，包括：

获取设备连续时间内的历史健康数据，并基于第一预设数量和第二预设数量，对所有所述历史健康数据进行穷尽式的排列组合，以得到多个训练集以及与所述多个训练集一一对应的多个测试集；其中，每个所述训练集中均包括所述第一预设数量个所述历史健康数据，每个所述测试集中均包括所述第二预设数量个所述历史健康数据；

分别利用不同的所述训练集以及相应的所述测试集对待训练的多元统计分析模型进行训练以及测试，以基于测试结果从多个训练后模型中筛选出目标训练后模型；

基于不同类型的故障在发生前的预设时间段内的历史设备状态特征，创建相应的特征码，以得到第一故障码；

获取实时数据，并将所述实时数据输入到所述目标训练后模型中以进行故障检测，然后基于所述实时数据中的实时设备状态特征创建相应的特征码，以得到第二故障码；

将所述第一故障码与所述第二故障码进行比对以识别当前故障类型。

可选的，所述分别利用不同的所述训练集以及相应的所述测试集对待训练的多元统计分析模型进行训练以及测试，以基于测试结果从多个训练后模型中筛选出目标训练后模型，包括：

对不同的所述训练集进行标准化处理，然后基于多元统计方法将标准化处理后的不同的所述训练集进行降维处理，以得到多个训练后模型；