通过样本掺杂来训练目标设备的设备模型的方法及系统技术方案

本发明专利技术涉及一种通过样本掺杂来训练目标设备的设备模型的方法及系统，所述方法包括：获取与设备模型相关联的属性信息，基于所述属性信息确定与设备模型相关联的至少一种样本信号；在所述目标设备处于正常运行状态时，对所述至少一种样本信号进行信号采集或信号仿真，从而获取包括所述至少一种样本信号的正常样本集合；基于所述属性信息从多个设备中选择掺杂设备，对至少一种样本信号进行信号采集或信号仿真，从而获得掺杂样本集合；利用掺杂样本集合中的至少一种样本信号对正常样本集合中相应的至少一种样本信号进行样本信号掺杂，从而获得与正常样本集合相对应的异常样本集合；目标模型进行训练，从而获得经过训练的目标模型。标模型。标模型。

【技术实现步骤摘要】
通过样本掺杂来训练目标设备的设备模型的方法及系统


[0001]本专利技术涉及人工智能
，并且更具体地，涉及一种通过样本掺杂来训练目标设备的设备模型的方法及系统。

技术介绍

[0002]目前，随着人工智能技术的发展，大量机器学习算法不断涌现。机器学习算法特别是深度学习近年来取得了极大的成功，而数据才是使机器学习成为可能的关键因素。技术人员可以使用简单的算法实现机器学习，但是没有好的数据无法对算法进行优化。
[0003]由此可知，在基于机器学习的模型训练中，样本信号/样本数据的数据质量影响着模型的训练效果。然而，在实际情况中，部分类型的设备在运行中出现故障的次数或比率较低，因此这种类型的设备的正常运行的样本信号/样本数据的数据量比较大，而异常运行或故障时的样本信号/样本数据的数据量较小。在这种情况下，较小数据量的异常样本信号/样本数据无法满足模型训练或测试的需求。

技术实现思路

[0004]为了解决现有技术中的问题，本专利技术提出通过样本掺杂来训练目标设备的设备模型的方法及系统，从而解决异常运行或故障时的样本信号/样本数据的数据量较小的情况。
[0005]根据本专利技术的一个方面，提供一种通过样本掺杂来训练目标设备的设备模型的方法，所述方法包括：
[0006]响应于接收到的模型训练请求，基于训练请求从多个设备中选择目标设备，并确定与目标设备相关联的设备模型；
[0007]获取与设备模型相关联的属性信息，基于所述属性信息确定与设备模型相关联的至少一种样本信号；
[0008]在所述目标设备处于正常运行状态时，对所述至少一种样本信号进行信号采集或信号仿真，从而获取包括所述至少一种样本信号的正常样本集合；
[0009]基于所述属性信息从多个设备中选择掺杂设备，在掺杂设备处于预定运行状态时，对至少一种样本信号进行信号采集或信号仿真，从而获得掺杂样本集合；
[0010]利用掺杂样本集合中的至少一种样本信号对正常样本集合中相应的至少一种样本信号进行样本信号掺杂，从而获得与正常样本集合相对应的异常样本集合；
[0011]基于正常样本集合、异常样本集合以及预先设定的训练算法对目标模型进行训练，从而获得经过训练的目标模型。
[0012]所述至少一种样本信号包括：振动、声音、速度、位移、应力、压力、电压、电流、功率、电场强度、磁场强度、温度、图像和亮度。
[0013]所述至少一种样本信号之中的至少一种样本信号是通过紧贴在设备外壳的传感器所采集的振动/声发射信号。
[0014]所述至少一种样本信号之中的至少一种样本信号是在设备外部采集的声音信号。
[0015]根据本专利技术的再一个方面，提供一种通过样本掺杂来测试目标设备的设备模型的方法，所述方法包括：
[0016]响应于接收到的针对设备模型的测试请求，基于测试请求从多个设备中选择与设备模型相关联的目标设备；
[0017]获取与设备模型相关联的属性信息，基于所述属性信息确定与设备模型相关联的至少一种样本信号；
[0018]在所述目标设备处于正常运行状态时，对至少一种样本信号进行信号采集或信号仿真，从而获取包括所述至少一种样本信号的正常样本集合；
[0019]基于所述属性信息从多个设备中选择掺杂设备，在掺杂设备处于预定运行状态时，对至少一种样本信号进行信号采集或信号仿真，从而获得掺杂样本集合；
[0020]利用掺杂样本集合中的至少一种样本信号对正常样本集合中相应的至少一种样本信号进行样本信号掺杂，从而获得与正常样本集合相对应的异常样本集合；
[0021]基于正常样本集合和异常样本集合对目标模型进行测试，从而基于测试结果确定目标模型的性能指标。
[0022]根据本专利技术的再一个方面，提供一种通过样本掺杂来训练目标设备的设备模型的系统，所述系统包括：
[0023]选择装置，用于响应于接收到的模型训练请求，基于训练请求从多个设备中选择目标设备，并确定与目标设备相关联的设备模型；
[0024]确定装置，用于获取与设备模型相关联的属性信息，基于所述属性信息确定与设备模型相关联的至少一种样本信号；
[0025]获取装置，用于在所述目标设备处于正常运行状态时，对所述至少一种样本信号进行信号采集或信号仿真，从而获取包括所述至少一种样本信号的正常样本集合；
[0026]处理装置，用于基于所述属性信息从多个设备中选择掺杂设备，在掺杂设备处于预定运行状态时，对至少一种样本信号进行信号采集或信号仿真，从而获得掺杂样本集合；
[0027]掺杂装置，用于利用掺杂样本集合中的至少一种样本信号对正常样本集合中相应的至少一种样本信号进行样本信号掺杂，从而获得与正常样本集合相对应的异常样本集合；
[0028]训练装置，用于基于正常样本集合、异常样本集合以及预先设定的训练算法对目标模型进行训练，从而获得经过训练的目标模型。
[0029]所述至少一种样本信号包括：振动、声音、速度、位移、应力、压力、电压、电流、功率、电场强度、磁场强度、温度、图像和亮度。
[0030]所述至少一种样本信号之中的至少一种样本信号是通过紧贴在设备外壳的传感器所采集的振动/声发射信号。
[0031]所述至少一种样本信号之中的至少一种样本信号是在设备外部采集的声音信号。
[0032]根据本专利技术的再一个方面，提供一种通过样本掺杂来测试目标设备的设备模型的系统，所述系统包括：
[0033]选择装置，用于响应于接收到的针对设备模型的测试请求，基于测试请求从多个设备中选择与设备模型相关联的目标设备；
[0034]确定装置，用于获取与设备模型相关联的属性信息，基于所述属性信息确定与设
备模型相关联的至少一种样本信号；
[0035]获取装置，用于在所述目标设备处于正常运行状态时，对至少一种样本信号进行信号采集或信号仿真，从而获取包括所述至少一种样本信号的正常样本集合；
[0036]处理装置，用于基于所述属性信息从多个设备中选择掺杂设备，在掺杂设备处于预定运行状态时，对至少一种样本信号进行信号采集或信号仿真，从而获得掺杂样本集合；
[0037]掺杂装置，用于利用掺杂样本集合中的至少一种样本信号对正常样本集合中相应的至少一种样本信号进行样本信号掺杂，从而获得与正常样本集合相对应的异常样本集合；
[0038]测试装置，用于基于正常样本集合和异常样本集合对目标模型进行测试，从而基于测试结果确定目标模型的性能指标。
[0039]根据本专利技术的再一个方面，提供一种基于掺杂的模型训练方法，首先生成大量正常样本和异常样本，然后再使用样本和设定算法训练一个模型，用于对目标设备的状态进行诊断、判别或识别。其中，
[0040]所述正常样本通过采集或者仿真目标设备正常运行情况下的信号生成。(样本信号的种类包括但不限于振动、声音、速度、位移、应力、压力、电压、电流、功率、电场强度、磁场强度、温度、图像、亮度，还可以是多种信号的组合本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种通过样本掺杂来训练目标设备的设备模型的方法，所述方法包括：响应于接收到的模型训练请求，基于训练请求从多个设备中选择目标设备，并确定与目标设备相关联的设备模型；获取与设备模型相关联的属性信息，基于所述属性信息确定与设备模型相关联的至少一种样本信号；在所述目标设备处于正常运行状态时，对所述至少一种样本信号进行信号采集或信号仿真，从而获取包括所述至少一种样本信号的正常样本集合；基于所述属性信息从多个设备中选择掺杂设备，在掺杂设备处于预定运行状态时，对至少一种样本信号进行信号采集或信号仿真，从而获得掺杂样本集合；利用掺杂样本集合中的至少一种样本信号对正常样本集合中相应的至少一种样本信号进行样本信号掺杂，从而获得与正常样本集合相对应的异常样本集合；基于正常样本集合、异常样本集合以及预先设定的训练算法对目标模型进行训练，从而获得经过训练的目标模型。2.根据权利要求1所述的方法，所述至少一种样本信号包括：振动、声音、速度、位移、应力、压力、电压、电流、功率、电场强度、磁场强度、温度、图像和亮度。3.根据权利要求1所述的方法，所述至少一种样本信号之中的至少一种样本信号是通过紧贴在设备外壳的传感器所采集的振动/声发射信号。4.根据权利要求1所述的方法，所述至少一种样本信号之中的至少一种样本信号是在设备外部采集的声音信号。5.一种通过样本掺杂来测试目标设备的设备模型的方法，所述方法包括：响应于接收到的针对设备模型的测试请求，基于测试请求从多个设备中选择与设备模型相关联的目标设备；获取与设备模型相关联的属性信息，基于所述属性信息确定与设备模型相关联的至少一种样本信号；在所述目标设备处于正常运行状态时，对至少一种样本信号进行信号采集或信号仿真，从而获取包括所述至少一种样本信号的正常样本集合；基于所述属性信息从多个设备中选择掺杂设备，在掺杂设备处于预定运行状态时，对至少一种样本信号进行信号采集或信号仿真，从而获得掺杂样本集合；利用掺杂样本集合中的至少一种样本信号对正常样本集合中相应的至少一种样本信号进行样本信号掺杂，从而获得与正常样本集合相对应的异常样本集合；基于正常样本集合和异常样本集合对目标模型进行测试，从而基于测试结果确定目标模型的性能指标。6.一种通过样本掺杂来训练目标设备的设备模型的系统，所述系统包括：选择装置，用于响应于接收到的模型...

【专利技术属性】
技术研发人员：郭春林，郭尔富，
申请(专利权)人：北京大地纵横科技有限公司，
类型：发明
国别省市：