[发明专利]设备故障诊断方法、装置、电子设备及计算机存储介质

权利要求书

1.一种设备故障诊断方法，其特征在于，包括：

确定采集到的设备数据集，并通过时序异常检测模型对所述设备数据集进行检测，得到异常时序数据集和正常时序数据集；

通过时序分类模型对所述异常时序数据集和所述正常时序数据集进行分类，得到不可识别时序数据集和可识别时序数据集；

基于所述可识别时序数据集确定第一模式库，并基于专家经验库对所述不可识别时序数据集进行标注，得到第二模式库；

基于所述第一模式库和所述第二模式库，确定所述设备数据集的故障诊断模式库，以通过所述故障诊断模式库进行设备故障诊断；

其中，所述时序异常检测模型和所述时序分类模型是基于所述专家经验库标注过的样本数据训练得到的。

2.根据权利要求1所述的设备故障诊断方法，其特征在于，所述基于专家经验库对所述不可识别时序数据集进行标注，得到第二模式库，包括：

确定异常分数表中异常程度最高的预设条样本数据；

根据时序匹配算法结合所述预设条样本数据，在故障数据模式库中匹配出相似度最高的多条故障模式；

基于所述专家经验库结合多条所述故障模式对所述不可识别时序数据集进行标注，得到不可识别异常时序数据集的类型模式及其模式编号，与不可识别正常时序数据集的类型模式及其模式编号；

根据所述不可识别异常时序数据集的类型模式及其模式编号，和所述不可识别正常时序数据集的类型模式及其模式编号，确定所述第二模式库。

3.根据权利要求1所述的设备故障诊断方法，其特征在于，所述通过时序异常检测模型对所述设备数据集进行检测，得到异常时序数据集和正常时序数据集，包括：

确定所述设备数据集中每一路时序数据的统计特征，并根据每一路所述时序数据的统计特征确定统计特征表；

通过统计学习异常检测算法结合所述统计特征表，计算每一路所述时序数据的异常分数；

根据每一路所述时序数据的异常分数，确定所述异常时序数据集和所述正常时序数据集。

4.根据权利要求1所述的设备故障诊断方法，其特征在于，所述通过时序分类模型对所述异常时序数据集和所述正常时序数据集进行分类，得到不可识别时序数据集和可识别时序数据集，包括：

通过所述时序分类模型对所述异常时序数据集进行分类，得到不可识别异常时序数据集和可识别异常时序数据集；

通过所述时序分类模型对所述正常时序数据集进行分类，得到不可识别正常时序数据集和可识别正常时序数据集；

将所述不可识别异常时序数据集和所述不可识别正常时序数据集，确定为所述不可识别时序数据集；

将所述可识别异常时序数据集和所述可识别正常时序数据集，确定为所述可识别时序数据集。

5.根据权利要求4所述的设备故障诊断方法，其特征在于，所述基于所述可识别时序数据集确定第一模式库，包括：

确定所述可识别异常时序数据集的第一类型模式及其模式编号，以及确定所述可识别正常时序数据集的第二类型模式及其模式编号；

基于所述第一类型模式及其模式编号，和所述第二类型模式及其模式编号确定所述第一模式库。

6.根据权利要求1所述的设备故障诊断方法，其特征在于，所述基于所述第一模式库和所述第二模式库，确定所述设备数据集的故障诊断模式库之后，还包括：

间隔预设时长通过所述异常时序数据集和所述正常时序数据集，对所述时序异常检测模型和所述时序分类模型进行重新训练，得到重新训练后的时序异常检测模型和重新训练后的时序分类模型；

通过新采集到的设备数据集，对所述重新训练后的时序异常检测模型和所述重新训练后的时序分类模型进行验证，得到验证结果；

若所述验证结果符合预设验证要求，则基于所述重新训练后的时序异常检测模型和所述重新训练后的时序分类模型，确定所述新采集到的设备数据集的故障诊断模式库。