一种设备状态监控方法、装置、设备及可读存储介质与流程

本技术涉及监控，特别是涉及一种设备状态监控方法、装置、设备及可读存储介质。

背景技术：

1、现有的设备在线监测方法主要为三种，第一种是通过设备测点的固定阈值判断；第二种是通过设备测点的趋势分析判断；第三种是通过建立设备的多维状态自回归的方法判断。

2、通过设备测点的固定阈值判断的方式：建立该测点的上阈值线和下阈值线(部分测点只有上阈值线或下阈值线)，当该设备关键测点超过固定阈值上阈值线、或低于固定阈值下阈值线时，则认为该设备存在故障，触发报警。所谓上阈值线和下阈值线为两条常数线，即y＝a和y＝b。设备测点的固定阈值的方式虽然可以让工程师清楚的意识到该测点为什么会报警；但往往存在固定阈值设定过窄导致容易触发误报，设定过宽容易触发漏报。且由于固定阈值只是一条(或两条)设定的水平线，无法观察到测点所存在的细节变化，如出现波动变大，趋势样式变化等，不能发现设备故障早期的征兆。

3、通过设备测点的趋势分析判断的方式：对设备测点的历史趋势进行分析，分析出该测点在某段时间内是否存在趋势及趋势变化的程度，若测点存在趋势且趋势变化的程度超过设定，则认为该测点存在趋势变化，触发报警，需要人工介入分析。设备趋势分析的方式虽然可以发现趋势平稳测点的发生的微小的趋势变化，但无法对趋势非平稳测点进行有效的监督，且对测点围绕着均值产生的波动变化无法监督，只能发现设备部分故障早期的征兆。

4、通过设备的多维状态自回归的方式：建立该设备的多维状态自回归模型，将该设备的一组当前值传入模型中，模型会根据该设备的正常历史状态估计出一组与传入相近的数据。通过比较当前值与估计值之间的差异性，判断设备中某个测点是否存在异常。设备多维状态自回归的方式考虑到各测点之间的关系，动态监督设备的状态变化，较容易发现设备故障早期的征兆。但由于不能保证该设备的所有工况都涵盖在历史数据之中，故遇到新工况时模型无法准确预测，容易触发大量报警。且由于模型内部分测点的相关度较高，导致某个测点数据由非故障导致的异常时，模型的其它测点预测效果不佳。

5、综上所述，如何有效地解决设备监督等问题，是目前本领域技术人员急需解决的技术问题。

技术实现思路

1、本技术的目的是提供一种设备状态监控方法、装置、设备及可读存储介质，基于knn分类器首先确定出设备的父类工况，然后再基于该父类工况下的各个距离分类器进行子类工况的确认，最终基于各个确认结果即可明确设备状态。

2、为解决上述技术问题，本技术提供如下技术方案：

3、一种设备状态监控方法，包括：

4、获取设备的监控数据；

5、将所述监控数据输入至knn分类器进行状态分类处理，获得所述设备的父类工况；

6、将属于所述父类工况下的各个距离分类器确定为目标距离分类器；其中，每个所述距离分类器对应一个子类工况；

7、将所述监控数据输入至所述目标距离分类器中进行子类工况确认处理，获得所述设备是否属于当前子类工况的确认结果；

8、利用所述确认结果确定所述设备的设备状态。

9、优选地，将所述监控数据输入至所述目标距离分类器中进行子类工况确认处理，获得所述设备是否属于当前子类工况的确认结果，包括：

10、计算所述监控数据与所述目标距离分类器中的各个历史数据进行距离计算；

11、基于计算出的距离，计算所述监控数据的偏移度；

12、判断所述偏移度是否满足预设偏移范围；

13、如果是，则确定所述设备属于当前子类工况；

14、如果否，则确定所述设备不属于当前子类工况。

15、优选地，判断所述偏移度是否满足预设偏移范围，包括：

16、将所述偏移度与偏移表中各个历史数据点的偏移度进行比较；

17、在所述历史偏移度小于所述偏移度的数据点数量达到预设阈值情况下，确定所述偏移度满足所述预设偏移范围；

18、在所述历史偏移度大于等于所述偏移度的数据点数量达到预设阈值情况下，确定所述偏移度不满足所述预设偏移范围。

19、优选地，还包括：

20、在所述历史偏移度小于所述偏移度的数据点数量达到预设优化阈值情况下，将所述监控数据及所述偏移度写入所述偏移表。

21、优选地，将所述监控数据输入至knn分类器进行状态分类处理，获得所述设备的父类工况，包括：

22、加权计算所述监控数据和历史数据中的各历史数据点之间的距离；所述历史数据点包括历史监控数据和状态分类标签；

23、对计算出的距离进行升序排序，从前k个中确定出现次数最多的状态分类标签；所述k为小于等于历史数据点总数的自然数；

24、基于所述状态分类标签确定所述父类工况。

25、优选地，训练所述距离分类器的过程，包括：

26、获取所述设备的历史数据；所述历史数据包括各历史数据点，所述历史数据点包括历史监控数据和状态分类标签；

27、按照所述状态分类标签归属的子类工况，将所述历史数据划分为不同子类工况对应的历史数据子集；

28、利用历史数据子集分别训练不同所述子类工况对应的距离分类器，得到对应的所述偏移表。

29、优选地，获取所述设备的所述历史数据，包括：

30、从所述设备的设备测点中获取历史数据；

31、对历史数据进行数据清洗；

32、对清洗后的历史数据标记状态分类标签。

33、一种设备状态监控装置，包括：

34、数据采集模块，用于获取设备的监控数据；

35、父类确定模块，用于将所述监控数据输入至knn分类器进行状态分类处理，获得所述设备的父类工况；

36、分类器确定模块，用于将属于所述父类工况下的各个距离分类器确定为目标距离分类器；其中，每个所述距离分类器对应一个子类工况；

37、子类确认模块，用于将所述监控数据输入至所述目标距离分类器中进行子类工况确认处理，获得所述设备是否属于当前子类工况的确认结果；

38、设备状态确定模块，用于利用所述确认结果确定所述设备的设备状态。

39、一种电子设备，包括：

40、存储器，用于存储计算机程序；

41、处理器，用于执行所述计算机程序时实现上述设备状态监控方法的步骤。

42、一种可读存储介质，所述可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现上述设备状态监控方法的步骤。

43、应用本技术实施例所提供的方法，获取设备的监控数据；将监控数据输入至knn分类器进行状态分类处理，获得设备的父类工况；将属于父类工况下的各个距离分类器确定为目标距离分类器；其中，每个距离分类器对应一个子类工况；将监控数据输入至目标距离分类器中进行子类工况确认处理，获得设备是否属于当前子类工况的确认结果；利用确认结果确定设备的设备状态。

44、在本技术中，在获取到设备的监控数据之后，首先基于knn分类器进行状态分类处理，从而明确该设备的父类工况。然后，再基于该父类工况下的各个距离分类器确定设备是否属于各自所属的子类工况的确认结果。最终，基于确认表结果即可确定设备的设备状态。

45、技术效果：在本技术中通过结合knn分类器和距离分类器，可以对设备状态监督建立二层体系，其一为父类工况的确认，其二为在所确定的父类工况下确定子类工况。两级分类设置，并根据不同的分类器进行处理，在进行设备状态确定过程中，无需受限于特定阈值以及特定趋势，当产生新工况的情况下，通过增加该新工况对应的距离分类器即可，分类效果更佳精准，且适用范围更广。

46、相应地，本技术实施例还提供了与上述设备状态监控方法相对应的设备状态监控装置、设备和可读存储介质，具有上述技术效果，在此不再赘述。