[发明专利]设备保养的方法及系统

权利要求书

1.一种设备保养的方法，其特征在于，包括：

采集设备数据集，包括采集设备的历史维修数据、保养数据；

对所述设备数据集进行特征提取，形成特征向量集；

对所述特征向量集进行标准化处理；

建立预测模型，包括预测模型的输入和输出；

将标准化处理后的所述特征向量集作为预测模型的输入进行训练；

基于所述预测模型，输出预测因子；输入设备实际保养数据集；

通过提升树模型对所述预测模型进行训练，获得第二特征向量集；

所述第二特征向量集包括对所述设备实际保养数据集进行特征提取获得的特征向量以及受设备实际保养数据影响产生的新增设备数据进行特征提取获得的特征向量；

将所述第二特征向量集作为所述预测模型的输入，得到预测输出集；

根据所述预测输出集预测设备的保养需求。

2.根据权利要求1所述的设备保养的方法，其特征在于，所述采集设备数据集包括采集设备的类别、型号、出厂时间、安装位置、服务类型、服务时间、服务人、服务内容；所述服务类型包括设备的安装、上电、维修、保养、升级；所述服务类型与服务时间、服务内容相关联。

3.根据权利要求1所述的设备保养的方法，其特征在于，所述采集设备数据集还包括剔除错误数据和缺失数据，当采集的设备数据为空数据、乱码或服务日期时间在出厂日期时间之前时，删除该数据。

4.根据权利要求1所述的设备保养的方法，其特征在于，对所述特征向量集进行标准化处理包括根据编码规则对不同特征向量集进行编号。

5.根据权利要求1所述的设备保养的方法，其特征在于，所述预测模型对标准化处理后的所述特征向量集进行组合型编码。

6.根据权利要求1所述的设备保养的方法，其特征在于，通过提升树模型对预测模型进行训练包括采用损失函数的负梯度将预测模型的输出值作为残差的近似值，拟合成一个提升树模型，则：

预测输出集；

其中， 为特征向量集，为第m个提升树，为第m个提升树模型的参数，M为提升树模型的数量。

7.根据权利要求6所述的设备保养的方法，其特征在于，所述提升树模型包括梯度提升树算法，所述损失函数包括平方差损失函数。

8.根据权利要求1所述的设备保养的方法，其特征在于，根据预测输出集对设备进行保养包括确定设备的保养周期；根据编码规则对每个保养周期进行编号，所述预测输出集输出保养周期的编号。

9.一种设备保养的系统，其特征在于，包括：

数据输入模块，用于输入并存储设备的历史维修数据、保养数据；

数据采集模块，用于采集所述数据输入模块存储的设备的历史维修数据、保养数据；

特征提取模块，用于提取数据采集模块的数据，并定义和生成特征向量集；

标准化规则模块，用于定义编码规则并将特征提取模块生成的特征向量集进行标准化编号；

模型处理模块，用于建立预测模型和提升树模型，将标准化编号后的特征向量集输入预测模型进行训练，输出预测因子；之后将预测模型的输出结果再输入提升树模型进行训练，获得第二特征向量集；所述第二特征向量集包括对所述设备实际保养数据集进行特征提取获得的特征向量以及受设备实际保养数据影响产生的新增设备数据进行特征提取获得的特征向量；将所述第二特征向量集作为所述预测模型的输入，最终输出预测输出集。