[发明专利]基于机器学习的智能化工业设备故障诊断系统

说明书

本发明涉及一种基于机器学习的智能化工业设备故障诊断系统，涉及电数字数据处理领域，所述系统包括：数据分析器件，采用智能诊断模型基于机械臂自动夹紧机构的各项固定信息以及机械臂自动夹紧机构即将执行松开操作时刻之前的各份历史捕获数据经过数据分析处理，获取对应的故障诊断标识；标识鉴定器件，用于在接收到的故障诊断标识为松开成功/失败操作对应的标识数据时，鉴定即将执行的松开操作为松开成功/失败操作。通过本发明，针对具体工业设备故障难以提前预判的技术问题，能够采用完成机器学习后的卷积神经网络作为智能诊断模型，执行定制数据分析模式以实现对工业设备机械臂自动夹紧是否失败的针对性故障诊断。

技术领域

本发明涉及电数字数据处理领域，尤其涉及一种基于机器学习的智能化工业设备故障诊断系统。

背景技术

电数字数据处理，指的是对数据（包括数值的和非数值的）进行分析和加工的技术过程，包括对各种原始数据的分析、整理、计算、编辑等的加工和处理。与数据分析相比，含义更广。

随着计算机的日益普及，在计算机应用领域中，数值计算所占比重很小，通过计算机执行电数字数据处理进行信息管理已成为主要的应用，如测绘制图管理、仓库管理、财会管理、交通运输管理，技术情报管理、办公室自动化等。在地理数据方面既有大量自然环境数据，也有大量社会经济数据，常要求进行综合性的电数字数据处理。由此可见，电数字数据处理具有相关广泛的应用领域，例如，经常需要将电数字数据处理应用于包括数字机场的各类工业设备的故障分析，从而替换人工进行工业设备拆卸完成故障排查的过程，实现电子化且无需拆卸工业设备的自动故障分析。

示例地，中国发明专利公开文本CN106598791A提出的一种基于机器学习的工业设备故障预防性识别方法，所述方法采用机器学习的人工智能算法，不断学习更新状态预测模型，可实时监控预测工业设备的工作状态，在第一时间发现工业设备的异常苗头，及时报警，杜绝事故的发生；本发明不仅采用工业设备全生命周期的典型故障案例作为学习对象，更是结合了工业设备的档案数据、使用区域环境条件，尤其是关键元器件的可靠性数据作为学习对象，从多角度评估工业设备的可靠性，使预测结果更加准确。

示例地，中国发明专利公开文本CN115858825A提出的一种基于机器学习的设备故障诊断知识图谱构建方法和装置，涉及工业设备故障领域技术领域，该方法包括：获取工业设备数据，并对工业设备数据进行预处理；将预处理后的工业设备数据输入至预先构建的实体关系抽取模型进行实体关系抽取，并基于预先构建的实体识别模型进行实体识别；其中，预先构建的实体关系抽取模型至少包括：注意力增强层、弱分类器层和强分类器层；预先构建的实体识别模型的输出层之前设置有条件随机场层，条件随机场层用于约束标签顺序；构建针对工业设备故障诊断的目标知识图谱。本申请提升了实体关系抽取和实体识别的准确性。

然而，上述现有技术提出的各项工业设备的故障诊断的技术方案都仅局限于简单的数据分析，且数据分析的层面都体现在宏观数据层上，给出的都是一般数据规律，存在无法针对具体的工业设备的具体故障诊断的技术问题，例如，无法针对作为一种具体工业设备进行具体的机械臂自动夹紧是否失败的针对性故障诊断，导致工业设备的维护人员无法预判机械臂自动夹紧故障的发生时机，只能在机械臂自动夹紧失败后才能进行工业设备的检查和维护，极大地消耗了工业设备维护的经济成本和时间成本。

发明内容

为了解决现有技术中的技术问题，本发明提供了一种基于机器学习的智能化工业设备故障诊断系统，通过采用完成机器学习后的卷积神经网络作为智能诊断模型，运行所述智能诊断模型以执行定制的数据分析模式对作为一种具体工业设备进行机械臂自动夹紧是否失败的针对性故障诊断，从而实现对工业设备具体故障的可靠预判，缩减了工业设备的各项维护成本。

根据本发明的第一方面，提供了一种基于机器学习的智能化工业设备故障诊断系统，所述方法包括：

内容捕获器件，用于获取工业设备的主轴内部的机械臂结构每一次被机械臂自动夹紧机构松开成功/失败时，该次松开成功/失败操作完成时刻之前均匀间隔的各个时刻分别对应的各份捕获数据；