[发明专利]设备故障诊断方法、装置、电子设备及存储介质

说明书

本发明公开了设备故障诊断方法、装置、电子设备及存储介质，故障诊断方法包括：获取待进行故障诊断的设备运行时产生的原始信号数据，对原始信号数据进行数据分割处理，以将原始信号数据分割为多个第一子数据；对多个第一子数据分别进行时频变换处理，以对应生成多个第二子数据；对多个第一子数据进行特征提取，以得到第一特征提取结果，并对多个第二子数据进行特征提取，以得到第二特征提取结果；对第一特征提取结果和第二特征提取结果进行特征融合，以得到融合后的特征；根据融合后的特征确定设备的故障诊断结果。本发明相比于现有技术降低了数据处理难度，提高了数据处理准确度，进而明显提高了设备故障诊断的可靠性和准确性。

技术领域

本发明涉及故障诊断技术领域，更为具体地，本发明能够提供一种设备故障诊断方法、装置、电子设备及存储介质。

背景技术

目前，设备的故障诊断可采用时域信号处理、频域信号处理或时频域结合等方法，但这些方法对使用者在相关领域的专业知识要求较高，经常出现因使用者经验不足导致故障诊断效果不理想的问题，存在较大局限。近年来，人工智能尤其是深度学习的快速发展，基于深度学习模型的设备故障预测成为了可能。然而对于设备运行时产生的大规模且复杂的信号，常规的设备故障诊断技术方案存在信号数据处理难度高而导致故障诊断结果可靠性较差、准确性较低等问题，故亟待需要解决。

发明内容

为解决现有技术存在的设备故障诊断结果不可靠、不准确的问题，本发明能够提供一种设备故障诊断方法、装置、电子设备及存储介质，从而达到提高设备故障诊断可靠性和准确性等技术目的。

为实现上述的技术目的，本发明能够提供一种设备故障诊断方法，该故障诊断方法可包括但不限于如下的至少一个步骤。

获取待进行故障诊断的设备运行时产生的原始信号数据。

对所述原始信号数据进行数据分割处理，以将所述原始信号数据分割为多个第一子数据。

对所述多个第一子数据分别进行时频变换处理，以对应生成多个第二子数据。

对所述多个第一子数据进行特征提取，以得到第一特征提取结果，并对所述多个第二子数据进行特征提取，以得到第二特征提取结果。

对所述第一特征提取结果和所述第二特征提取结果进行特征融合，以得到融合后的特征。

根据所述融合后的特征确定设备的故障诊断结果。

为实现上述的技术目的，本发明还能够提供一种设备故障诊断装置，该设备故障诊断装置具体可包括但不限于数据获取模块、数据分割模块、时频变换模块、特征提取模块、特征融合模块以及故障判断模块。

数据获取模块，用于获取待进行故障诊断的设备运行时产生的原始信号数据。

数据分割模块，用于对所述原始信号数据进行数据分割处理，以将所述原始信号数据分割为多个第一子数据。

时频变换模块，用于对所述多个第一子数据分别进行时频变换处理，以对应生成多个第二子数据。

特征提取模块，用于对所述多个第一子数据进行特征提取，以得到第一特征提取结果，并用于对所述多个第二子数据进行特征提取，以得到第二特征提取结果。

特征融合模块，用于对所述第一特征提取结果和所述第二特征提取结果进行特征融合，以得到融合后的特征。

故障判断模块，用于根据所述融合后的特征确定设备的故障诊断结果。

为实现上述的技术目的，本发明还可提供一种电子设备，该电子设备包括存储器和处理器，所述存储器中存储有计算机可读指令，该计算机可读指令被所述处理器执行时，使得所述处理器执行本发明任一实施例所述设备故障诊断方法的步骤。