工业设备中的部件的故障确定方法及相关设备技术

本申请提供一种工业设备中的部件的故障确定方法及相关设备，所述方法包括获取部件的图像数据和时序数据；将图像数据和时序数据输入至预先构建的故障检测模型，通过故障检测模型对图像数据进行特征提取，得到第一特征，以及通过故障检测模型对时序数据进行特征提取，得到第二特征；将第一特征和第二特征进行特征融合，得到特征融合向量；对特征融合向量进行分类，并经由故障检测模型输出特征融合向量对应的缺陷类别的概率；基于缺陷类别的概率，确定部件的故障类型，解决了现有技术中确定工业设备中的部件故障的准确性低的技术问题，提高了检测工业设备中的部件故障的准确率。了检测工业设备中的部件故障的准确率。了检测工业设备中的部件故障的准确率。

【技术实现步骤摘要】
工业设备中的部件的故障确定方法及相关设备


[0001]本申请涉及数据处理
，尤其涉及一种工业设备中的部件的故障确定方法及相关设备。

技术介绍

[0002]随着现代科学技术的不断进步和科学水平的不断提升，工业生产中的工业设备普遍朝着大型化、复杂化、多功能化和智能化方向发展。一旦工业设备出现故障，会严重制约企业的生产效率、降低产品质量、影响企业的市场竞争力。及时、准确地监测工业设备的健康状态是企业安全生产，避免发生生产事故的重要保障技术之一。工业设备中的单个部件的故障会引起整个工业设备的故障，示例性的，滚珠轴承是工业设备中使用最广泛也是最容易损坏的部件，在含有滚动轴承的工业设备的故障中，大多数是由滚珠轴承故障引起的。
[0003]现有技术中，工业设备中的部件的故障诊断方法可分为基于模型的故障诊断方法和数据驱动的故障诊断方法。然而，上述故障诊断中的数据通常来源单一，单一传感器提供的信息有限，难以准确评估工业设备的健康状态。也忽略了不同来源的数据彼此之间的潜在联系，没有关注不同来源的数据的特征之间的交互性。只通过来源单一的数据进行工业设备中的部件故障检测，导致检测准确性相对低。

技术实现思路

[0004]有鉴于此，本申请的目的在于提出一种工业设备中的部件的故障确定方法及相关设备，以克服现有技术中全部或部分不足。
[0005]基于上述目的，本申请提供了一种工业设备中的部件的故障确定方法，包括：获取所述部件的图像数据和时序数据；将所述图像数据和所述时序数据输入至预先构建的故障检测模型，通过所述故障检测模型对所述图像数据进行特征提取，得到第一特征，以及通过所述故障检测模型对所述时序数据进行特征提取，得到第二特征；将所述第一特征和所述第二特征进行特征融合，得到特征融合向量；对所述特征融合向量进行分类，并经由所述故障检测模型输出所述特征融合向量对应的缺陷类别的概率；基于所述缺陷类别的概率，确定所述部件的故障类型。
[0006]可选地，所述通过所述故障检测模型对所述图像数据进行特征提取，得到第一特征包括：通过以下公式确定所述第一特征：，，其中，表示所述第一特征，表示所述图像数据的第个特征，表示特征拼接操作，表示最大池化操作，表示经过激活函数处理后的图像数
据的初步特征。
[0007]可选地，所述通过所述故障检测模型对所述时序数据进行特征提取，得到第二特征，包括：通过以下公式确定所述第二特征：，，其中，表示所述第二特征，表示所述时序数据经过最大池化操作后得到的初步特征，表示一维卷积操作，表示激活函数，表示输入的拼接后的时序数据。
[0008]可选地，所述将所述第一特征和所述第二特征进行特征融合，得到特征融合向量，包括：通过以下公式确定所述特征融合向量：，其中，为所述特征融合向量，为所述第二特征通过通道空间的注意力机制处理后得到的第三特征，表示特征元素相叠加，表示二维卷积操作，表示激活函数，表示所述第一特征。
[0009]可选地，所述对所述特征融合向量进行分类，并经由所述故障检测模型输出所述特征融合向量对应的缺陷类别的概率，包括：通过以下公式确定所述缺陷类别的概率：，其中，为所述部件所属缺陷类别的概率，表示一维反卷积操作，为编码器激活函数，为解码器激活函数，表示一维卷积操作，为经过相似度处理后的特征融合向量。
[0010]可选地，在将所述时序数据输入至预先构建的故障检测模型之前，所述方法包括：对所述时序数据进行归一化处理。
[0011]可选地，用于对所述故障检测模型进行训练的损失函数通过下式确定：，其中，为正则化系数，表示第个权重，表示所述图像数据或所述时序数据的总数量，所述图像数据的总数量与所述时序数据的总数量相同，表示所述图像数据或所述时序数据的实际类别，表示模型预测所述图像数据或所述时序数据为类别的概率，为故障类型的数量，为权重总数，为经过相似度处理后的特征融合向量，为所述部件所属缺陷类别的概率，为所述特征融合向量，为所述第二特征，为相似度参数，为所述损失函数。
[0012]基于同一专利技术构思，本申请还提供了一种工业设备中的部件的故障确定装置，包括：获取模块，被配置为获取所述部件的图像数据和时序数据；输出模块，被配置为将所述图像数据和所述时序数据输入至预先构建的故障检测模型，通过所述故障检测模型对所述图像数据进行特征提取，得到第一特征，以及通过所述故障检测模型对所述时序数据据进行特征提取，得到第二特征；将所述第一特征和所述第二特征进行特征融合，得到特征融合向量；对所述特征融合向量进行分类，并经由所述故障检测模型输出所述特征融合向量对应的缺陷类别的概率；第一确定模块，被配置为基于所述缺陷类别的概率，确定所述部件的故障类型。
[0013]基于同一专利技术构思，本申请还提供了一种电子设备，包括存储器、处理器及存储在所述存储器上并可由所述处理器执行的计算机程序，所述处理器在执行所述计算机程序时实现如上所述的方法。
[0014]基于同一专利技术构思，本申请还提供了一种非暂态计算机可读存储介质，所述非暂态计算机可读存储介质存储计算机指令，所述计算机指令用于使计算机执行如上所述的方法。
[0015]从上面所述可以看出，本申请提供的工业设备中的部件的故障确定方法及相关设备，所述方法包括获取所述部件的图像数据和时序数据。将所述图像数据和所述时序数据输入至预先构建的故障检测模型，通过所述故障检测模型对所述图像数据进行特征提取，得到第一特征，以及通过所述故障检测模型对所述时序数据进行特征提取，得到第二特征；将所述第一特征和所述第二特征进行特征融合，得到特征融合向量；对所述特征融合向量进行分类，并经由所述故障检测模型输出所述特征融合向量对应的缺陷类别的概率，将多源异构数据输入至故障检测模型，能够较为准确的对多源异构数据进行特征提取，再将提取后的多个特征进行特征融合，使得不同特征之间的交互性增强，能够准确的确定部件的缺陷类别的概率。基于所述缺陷类别的概率，确定所述部件的故障类型，基于相对准确的缺陷类别的概率，可以相对准确的确定部件的故障类型。
附图说明
[0016]为了更清楚地说明本申请或相关技术中的技术方案，下面将对实施例或相关技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0017]图1为本申请实施例的工业设备中的部件的故障确定方法的流程示意图；图2为本申请实施例的工业设备中的部件的故障确定装置的结构示意图；图3为本申请实施例电子设备硬件结构示意图。
具体实施方式
[0018]为使本申请的目的、技术方案和优点更加清楚明白，以下结合具体实施例，并参照附图，对本申请进一步详细说明。
[0019]需要说明的是，除非另外定义，本申请实施例使用的技术术语或者科学术语应当为本申请所属领域内具有一般技能的人士所理解的通常意义。本申请实施例中使用的“第
一”、“第二”以及类似的词语并不表示任何顺序、数本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种工业设备中的部件的故障确定方法，其特征在于，包括：获取所述部件的图像数据和时序数据；将所述图像数据和所述时序数据输入至预先构建的故障检测模型，通过所述故障检测模型对所述图像数据进行特征提取，得到第一特征，以及通过所述故障检测模型对所述时序数据进行特征提取，得到第二特征；将所述第一特征和所述第二特征进行特征融合，得到特征融合向量；对所述特征融合向量进行分类，并经由所述故障检测模型输出所述特征融合向量对应的缺陷类别的概率；基于所述缺陷类别的概率，确定所述部件的故障类型。2.根据权利要求1所述的方法，其特征在于，所述通过所述故障检测模型对所述图像数据进行特征提取，得到第一特征包括：通过以下公式确定所述第一特征：，，其中，表示所述第一特征，表示所述图像数据的第个特征，表示特征拼接操作，表示最大池化操作，表示经过激活函数处理后的图像数据的初步特征。3.根据权利要求1所述的方法，其特征在于，所述通过所述故障检测模型对所述时序数据进行特征提取，得到第二特征，包括：通过以下公式确定所述第二特征：，，其中，表示所述第二特征，表示所述时序数据经过最大池化操作后得到的初步特征，表示一维卷积操作，表示激活函数，表示输入的拼接后的时序数据。4.根据权利要求1所述的方法，其特征在于，所述将所述第一特征和所述第二特征进行特征融合，得到特征融合向量，包括：通过以下公式确定所述特征融合向量：，其中，为所述特征融合向量，为所述第二特征通过通道空间的注意力机制处理后得到的第三特征，表示特征元素相叠加，表示二维卷积操作，表示激活函数，表示所述第一特征。
5.根据权利要求1所述的方法，其特征在于，所述对所述特征融合向量进行分类，并经由所述故障检测模型输出所述特征融合向量对应的缺陷类别的概率，包括：通过以下公式确定所述缺陷类别的概率：，其中，为所述部件所属缺陷类别的概率，表...

【专利技术属性】
技术研发人员：高勃，朱明皓，王奇锋，杨鹏飞，李学汉，荆涛，仵浩，王光宇，霍炎，高青鹤，
申请(专利权)人：赣州市智能产业创新研究院，
类型：发明
国别省市：