【技术实现步骤摘要】
本专利技术涉及深度学习，具体而言，涉及一种基于深度学习的智能化伺服驱动器故障预警方法及系统。
技术介绍
1、伺服驱动器作为现代自动化控制系统中的关键组件，其稳定运行对于确保整个系统的可靠性和性能至关重要。然而，在实际应用过程中，伺服驱动器由于受到各种内外部因素的影响，如负载变化、环境温度波动、电源不稳定等，时常会出现各种故障，这些故障若不能及时发现和处理，往往会导致设备停机、生产效率下降甚至安全事故等问题。
2、传统的伺服驱动器故障检测通常依赖于人工巡检或简单的阈值判断，这些方法存在检测效率低、准确性差等缺点，难以满足现代工业对高效、智能化故障预警的需求。
技术实现思路
1、鉴于上述提及的问题，结合本专利技术的第一方面，本专利技术实施例提供一种基于深度学习的智能化伺服驱动器故障预警方法，所述方法包括：
2、获取伺服驱动器触发的目标运行状态逻辑网络对应的先验运行状态逻辑网络集合；所述先验运行状态逻辑网络集合中包括所述伺服驱动器在触发所述目标运行状态逻辑网络之前触发的x个先验运行状态逻辑网络，所述x为正整数，且所述先验运行状态逻辑网络的触发节点与所述目标运行状态逻辑网络的触发节点之间的节点间隔符合设定间隔要求；
3、基于所述先验运行状态逻辑网络集合中每两个逻辑关联的所述先验运行状态逻辑网络之间的运行状态逻辑偏移，确定第一故障依据数据；
4、基于所述目标运行状态逻辑网络与所述目标运行状态逻辑网络对应的关联运行状态逻辑网络之间的运行状态逻辑偏
5、依据所述第一故障依据数据和所述第二故障依据数据，分析所述伺服驱动器触发所述目标运行状态逻辑网络时在所述伺服驱动器的触发区间内是否出现目标故障预警活动。
6、再一方面，本专利技术实施例还提供一种基于深度学习的智能化伺服驱动器故障预警系统，包括处理器、机器可读存储介质，所述机器可读存储介质和所述处理器连接，所述机器可读存储介质用于存储程序、指令或代码，所述处理器用于执行所述机器可读存储介质中的程序、指令或代码，以实现上述的方法。
7、基于以上方面，本申请实施例通过深入分析伺服驱动器在运行过程中的状态逻辑网络变化，实现了对伺服驱动器故障的高效预警。具体地，该方法首先获取伺服驱动器触发目标运行状态逻辑网络之前的先验运行状态逻辑网络集合，接着，通过计算先验运行状态逻辑网络之间的运行状态逻辑偏移，以及目标运行状态逻辑网络与其关联运行状态逻辑网络之间的运行状态逻辑偏移，分别确定了第一故障依据数据和第二故障依据数据，最终，依据这两类故障依据数据，本专利技术能够准确分析伺服驱动器在触发目标运行状态逻辑网络时是否出现目标故障预警活动，从而有效提高了伺服驱动器的运行可靠性和安全性，减少了因故障导致的停机时间和维修成本。
本文档来自技高网...【技术保护点】
1.一种基于深度学习的智能化伺服驱动器故障预警方法，其特征在于，所述方法包括：
2.根据权利要求1所述的基于深度学习的智能化伺服驱动器故障预警方法，其特征在于，所述基于所述先验运行状态逻辑网络集合中每两个逻辑关联的所述先验运行状态逻辑网络之间的运行状态逻辑偏移，确定第一故障依据数据，包括：
3.根据权利要求1或2所述的基于深度学习的智能化伺服驱动器故障预警方法，其特征在于，所述两个关联的所述先验运行状态逻辑网络之间的运行状态逻辑偏移的确定步骤，包括：
4.根据权利要求3所述的基于深度学习的智能化伺服驱动器故障预警方法，其特征在于，所述依据两个所述先验运行状态逻辑网络分别对应的网络图编码特征数据，确定两个所述先验运行状态逻辑网络之间的运行状态逻辑偏移数据，包括：
5.根据权利要求3所述的基于深度学习的智能化伺服驱动器故障预警方法，其特征在于，所述依据两个所述先验运行状态逻辑网络分别对应的网络图编码特征数据，确定两个所述先验运行状态逻辑网络之间的运行状态逻辑偏移数据，包括：
6.根据权利要求1或2所述的基于深度学习的智能化伺
7.根据权利要求1或2所述的基于深度学习的智能化伺服驱动器故障预警方法，其特征在于，所述两个关联的所述先验运行状态逻辑网络之间的运行状态逻辑偏移的确定步骤，包括：
8.根据权利要求1或2所述的基于深度学习的智能化伺服驱动器故障预警方法，其特征在于，所述依据所述第一故障依据数据和所述第二故障依据数据，分析所述伺服驱动器触发所述目标运行状态逻辑网络时在所述伺服驱动器的触发区间内是否出现目标故障预警活动，包括：
9.根据权利要求1或2所述的基于深度学习的智能化伺服驱动器故障预警方法，其特征在于，所述依据所述第一故障依据数据和所述第二故障依据数据，分析所述伺服驱动器触发所述目标运行状态逻辑网络时在所述伺服驱动器的触发区间内是否出现目标故障预警活动，包括：
10.一种基于深度学习的智能化伺服驱动器故障预警系统，其特征在于，所述基于深度学习的智能化伺服驱动器故障预警系统包括处理器和存储器，所述存储器和所述处理器连接，所述存储器用于存储程序、指令或代码，所述处理器用于执行所述存储器中的程序、指令或代码，以实现上述权利要求1-9任意一项所述的基于深度学习的智能化伺服驱动器故障预警方法。
...【技术特征摘要】
1.一种基于深度学习的智能化伺服驱动器故障预警方法，其特征在于，所述方法包括：
2.根据权利要求1所述的基于深度学习的智能化伺服驱动器故障预警方法，其特征在于，所述基于所述先验运行状态逻辑网络集合中每两个逻辑关联的所述先验运行状态逻辑网络之间的运行状态逻辑偏移，确定第一故障依据数据，包括：
3.根据权利要求1或2所述的基于深度学习的智能化伺服驱动器故障预警方法，其特征在于，所述两个关联的所述先验运行状态逻辑网络之间的运行状态逻辑偏移的确定步骤，包括：
4.根据权利要求3所述的基于深度学习的智能化伺服驱动器故障预警方法，其特征在于，所述依据两个所述先验运行状态逻辑网络分别对应的网络图编码特征数据，确定两个所述先验运行状态逻辑网络之间的运行状态逻辑偏移数据，包括：
5.根据权利要求3所述的基于深度学习的智能化伺服驱动器故障预警方法，其特征在于，所述依据两个所述先验运行状态逻辑网络分别对应的网络图编码特征数据，确定两个所述先验运行状态逻辑网络之间的运行状态逻辑偏移数据，包括：
6.根据权利要求1或2所述的基于深度学习的智能化伺服驱动器故障预警方法，其特征在于，所述两个关联的所述先验运行状态逻辑网络之间...
【专利技术属性】
技术研发人员：林辉，陈勇，王滨，李桂宁，
申请(专利权)人：成都航天凯特机电科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。