【技术实现步骤摘要】
本专利技术涉及检测控制领域，更具体地涉及一种设备异常检测方法及设备异常检测系统。
技术介绍
1、随着检测技术在民用和商用领域的广泛应用，检测系统，特别是设备异常检测系统也面临着更高的要求。
2、目前的设备异常检测系统中，通常包括设备侧的本地检测端(也称edge端、边缘端)及远程云平台(也称cloud端、云端)。然而，当前的本地检测端将会将采集的大量实时检测数据上传至云端，在云端对该检测数据进行综合处理判断(例如包括预处理、特征提取、异常检测等多个过程)，并计算得到最终的异常检测结果发送至本地检测端。然而，一方面，需要在本地检测端及云平台之间经由无线网络进行大数据量的实时传输，单位时间内的数据吞吐量过大，造成网络空间和资源的消耗，导致高通信流量(成本)和高能耗问题，同时大幅度削弱无线系统的使用寿命。另一方面，大量未经充分预处理的原始数据在云端进行复杂算法处理，这将大大增加云端的计算量及数据处理量，也严重影响异常诊断的时效性，导致系统响应速度慢、延迟度高等问题。
3、因此，需要一种在实现良好的异常检测的前提下，进一步实现高实时性、高响应速度、低延迟的异常检测过程的异常检测方法及系统，且能够有效地降低云端和本地端之间大规模数据传输量，降低通信流量同时减少能耗。
技术实现思路
1、针对以上问题，本专利技术提供了一种设备异常检测方法及设备异常检测系统。利用本专利技术提供的设备异常检测方法可以在实现良好的异常检测的前提下，进一步实现高实时性、高响应速度、低延迟的异常检测
2、根据本公开的一方面，提出了一种设备异常检测方法，包括：本地检测端生成待检测设备的目标性能指标数据，并将所述目标性能指标数据发送至云平台；所述云平台基于所述目标性能指标数据，确定与该目标性能指标数据相对应的目标检测算法信息，并将所述目标检测算法信息发送至本地检测端；所述本地检测端基于该目标检测算法信息及所述待检测设备的性能数据，实现对所述待检测设备的异常检测，并输出异常检测结果。
3、在一些实施例中，本地检测端生成待检测设备的目标性能指标数据包括：本地检测端捕获所述待检测设备的性能数据；本地检测端基于预设规则，基于所述性能数据确定目标性能指标数据，并将所述目标性能指标数据发送至所述云平台。
4、在一些实施例中，所述云平台基于所述目标性能指标数据，确定与该目标性能指标数据相对应的目标异常检测算法信息包括：所述云平台基于所述目标性能指标数据，经由预训练的机器学习模型确定与该目标性能指标数据所对应的目标异常检测算法信息。
5、在一些实施例中，所述目标异常检测算法信息包括：目标预处理模型信息、目标特征提取模型信息及目标异常检测模型信息。
6、在一些实施例中，确定与该目标性能指标数据相对应的目标异常检测算法信息包括：将所述目标性能指标数据与预设的多个目标性能指标数据档位相比较，确定与该目标性能指标数据相对应的目标性能指标数据档位；基于所述目标性能指标数据档位，基于预设规则，确定与该目标性能指标数据档位相对应的目标预处理模型信息、目标特征提取模型信息及目标异常检测模型信息；基于所述目标预处理模型信息、目标特征提取模型信息及目标异常检测模型信息生成目标异常检测算法信息。
7、在一些实施例中，所述本地检测端基于该目标检测算法信息及所述待检测设备的性能数据，实现对所述待检测设备的异常检测包括：基于该目标检测算法信息确定该待检测设备的目标预处理模型、目标特征提取模型及目标异常检测模型；基于所述目标预处理模型对所述性能数据进行预处理，得到预处理性能数据；基于所述目标特征提取模型提取所述预处理性能数据的特征，得到设备特征数据；基于所述预处理性能数据和/或所述设备特征数据，根据所述目标异常检测模型，确定该待检测设备的性能状态。
8、在一些实施例中，所述机器学习模型是聚类模型。
9、在一些实施例中，基于预设规则，基于所述性能数据确定目标性能指标数据包括：对所述性能数据中的至少一个性能数据：获取该性能数据的数据类型，并得到与该数据类型相对应的指标档位范围，其中，每个指标档位范围具有相应的指标档位信息；确定所述性能数据所对应的指标档位范围，并获取相应的指标档位信息；基于各个性能数据相应的指标档位信息，生成目标性能指标数据。
10、在一些实施例中，所述待检测设备为磨齿机，且其中，所述目标性能指标数据包括磨齿机的转速数据、磨齿机的给进倍率数据；所述性能数据包括磨齿机的转速数据、磨齿机的给进倍率数据、磨齿机的功率数据、磨齿机的振动数据中的至少一个。
11、根据本公开的另一方面，提出了一种设备异常检测系统，包括本地检测端及云平台，且所述设备异常检测系统被配置为执行如前所述的方法。
本文档来自技高网...【技术保护点】
1.一种设备异常检测方法，包括：
2.根据权利要求1所述的设备异常检测方法，其中，本地检测端生成待检测设备的目标性能指标数据包括：
3.根据权利要求1所述的设备异常检测方法，其中，所述云平台基于所述目标性能指标数据，确定与该目标性能指标数据相对应的目标异常检测算法信息包括：
4.根据权利要求3所述的设备异常检测方法，其中，所述目标异常检测算法信息包括：目标预处理模型信息、目标特征提取模型信息及目标异常检测模型信息。
5.根据权利要求3所述的设备异常检测方法，其中，确定与该目标性能指标数据相对应的目标异常检测算法信息包括：
6.根据权利要求3所述的设备异常检测方法，其中，所述本地检测端基于该目标检测算法信息及所述待检测设备的性能数据，实现对所述待检测设备的异常检测包括：
7.根据权利要求3所述的设备异常检测方法，其中，所述机器学习模型是聚类模型。
8.根据权利要求2所述的设备异常检测方法，其中，基于预设规则，基于所述性能数据确定目标性能指标数据包括：
9.根据权利要求1所述的设备异常检测
10.一种设备异常检测系统，包括本地检测端及云平台，且所述设备异常检测系统被配置为执行如权利要求1-9中任一项所述的方法。
...【技术特征摘要】
1.一种设备异常检测方法，包括：
2.根据权利要求1所述的设备异常检测方法，其中，本地检测端生成待检测设备的目标性能指标数据包括：
3.根据权利要求1所述的设备异常检测方法，其中，所述云平台基于所述目标性能指标数据，确定与该目标性能指标数据相对应的目标异常检测算法信息包括：
4.根据权利要求3所述的设备异常检测方法，其中，所述目标异常检测算法信息包括：目标预处理模型信息、目标特征提取模型信息及目标异常检测模型信息。
5.根据权利要求3所述的设备异常检测方法，其中，确定与该目标性能指标数据相对应的目标异常检测算法信息包括：
<...
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。