设备故障诊断方法、装置、电子设备及可读存储介质

本发明涉及故障诊断，尤其涉及一种设备故障诊断方法、装置、电子设备及计算机可读存储介质。

背景技术：

1、在对数控设备进行故障诊断时，目前的故障诊断方法主要是依赖大量历史数据和高级、复杂的算法来构建以及训练设备诊断模型，而且，上述诊断方法和诊断模型通常是为特定的设备或特定的故障类型所设计的。所以，对数据的依赖性限制了诊断模型对未经过预训练的非标准故障情况和新型的数控设备时的适应能力。综上所述，目前的故障诊断方法的在数据获取成本高、数据稀缺或数据未经标注的实际应用场景下适应性较差，模型泛化能力不足，从而影响故障诊断的准确性。

2、上述内容仅用于辅助理解本发明的技术方案，并不代表承认上述内容是现有技术。

技术实现思路

1、本发明的主要目的在于提供一种设备故障诊断方法、装置、电子设备及计算机可读存储介质，旨在解决设备故障诊断方法的模型泛化能力差和诊断准确性偏低的技术问题。

2、为实现上述目的，本发明提出一种设备故障诊断方法，所述设备故障诊断方法包括：

3、获取设备运行数据和故障描述文本，对所述设备运行数据和所述故障描述文本进行特征提取，得到故障特征向量；

4、根据所述故障特征向量，确定设备故障类型，并选择所述设备故障类型对应的目标诊断模型；

5、将所述故障特征向量输入所述目标诊断模型，通过所述目标诊断模型进行故障诊断，得到故障诊断结果。

6、在一实施例中，所述故障特征向量为数值特征向量；

7、所述获取设备运行数据和故障描述文本，对所述设备运行数据和所述故障描述文本进行特征提取，得到故障特征向量的步骤包括：

8、从预设数据库中获取设备运行数据，其中，所述预设数据库用于存储用户通过数据上传界面上传的设备运行数据；

9、对所述设备运行数据进行数值数据预处理，并根据预处理后的设备运行数据构建第一数值特征向量；

10、通过文本框获取用户输入的故障描述文本，对所述故障描述文本进行文本数据预处理，得到文本序列；

11、将所述文本序列输入预设的语言模型，生成所述故障描述文本对应的第二数值特征向量。

12、在一实施例中，所述第一数值特征向量包括标准差和自相关系数；

13、所述根据预处理后的设备运行数据构建第一数值特征向量的步骤包括：

14、根据所述设备运行数据的样本数量、样本值和平均值，计算所述设备运行数据的标准差；

15、将所述设备运行数据输入预设的自相关函数，得到所述设备运行数据对应的自相关系数。

16、在一实施例中，所述对所述故障描述文本进行文本数据预处理，得到文本序列的步骤包括：

17、对所述故障描述文本进行分词，转换得到第一单词序列；

18、基于预设停用词表，将所述第一单词序列中的单词进行过滤，得到第二单词序列；

19、将所述第二单词序列中的每个单词转换为对应的词根形式，得到文本序列。

20、在一实施例中，所述根据所述故障特征向量，确定设备故障类型，并选择所述设备故障类型对应的目标诊断模型的步骤包括：

21、将所述故障特征向量输入到预设的故障类型识别模型，通过所述故障类型识别模型结合预设的知识库进行故障类型分析，输出设备故障类型；

22、基于设备故障类型与诊断模型类型之间的映射关系，从预设的多种诊断模型中选取目标模型，其中，各所述诊断模型的类型至少包括支持向量机模型或线性回归模型中的一种。

23、在一实施例中，所述方法还包括：

24、通过模型定制界面获取用户输入的模型参数，其中，所述模型参数至少包括模型架构、模型训练参数以及超参数优化方式中的一种；

25、根据所述模型架构，构建初始诊断模型；

26、基于所述模型训练参数和所述超参数优化方式，通过所述设备运行数据对所述初始诊断模型进行模型训练；

27、评估所述初始诊断模型的模型性能，当所述模型性能符合预设条件时，停止训练，得到目标诊断模型。

28、在一实施例中，所述方法还包括：

29、在确定所述设备故障类型和所述目标诊断模型后，根据所述设备故障类型和所述目标诊断模型生成第一交互信息，并在交互界面上展示所述第一交互信息；

30、在获得所述故障诊断结果后，根据所述故障诊断结果生成第二交互信息，在所述交互界面上展示所述第二交互信息；

31、根据所述故障诊断结果，在预设的诊断建议库中查询维修建议，并在所述交互界面上展示所述维修建议。

32、此外，为实现上述目的，本发明还提出一种设备故障诊断装置，所述设备故障诊断装置包括：

33、特征提取模块，用于获取设备运行数据和故障描述文本，对所述设备运行数据和所述故障描述文本进行特征提取，得到故障特征向量；

34、模型选择模块，用于根据所述故障特征向量，确定设备故障类型，并选择所述设备故障类型对应的目标诊断模型；

35、故障诊断模块，用于将所述故障特征向量输入所述目标诊断模型，通过所述目标诊断模型进行故障诊断，得到故障诊断结果。

36、此外，为实现上述目的，本发明还提出一种电子设备，所述设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述计算机程序配置为实现如上文所述的设备故障诊断方法的步骤。

37、此外，为实现上述目的，本发明还提出一种存储介质，所述存储介质为计算机可读存储介质，所述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如上文所述的设备故障诊断方法的步骤。

38、此外，为实现上述目的，本发明还提供一种计算机程序产品，所述计算机程序产品包括计算机程序，所述计算机程序被处理器执行时实现如上文所述的设备故障诊断方法的步骤。

39、本发明提出的一种设备故障诊断方法，首先获取设备运行数据和故障描述文本，对所述设备运行数据和所述故障描述文本进行特征提取，得到故障特征向量，实现对用户输入的故障描述文本信息深入理解，结合设备运行数据和文本描述，提取更准确的故障特征信息，从而得到更准确的诊断结果；再根据所述故障特征向量，确定设备故障类型，并选择所述设备故障类型对应的目标诊断模型，最后将所述故障特征向量输入所述目标诊断模型，通过所述目标诊断模型进行故障诊断，得到故障诊断结果，本发明技术方案通过首先确定设备故障类型再选取与设备故障类型对应的诊断模型，能使系统动态选择和优化更合适的机器学习模型，这种动态调整机制让所述设备故障诊断方法适应更多种类的设备，具有更高灵活性、扩展性和适应性，从而无需依赖大量历史数据训练即可得到能针对该设备故障类型做出精准诊断的目标诊断模型，有效提高了模型泛化能力。

技术特征：

1.一种设备故障诊断方法，其特征在于，所述设备故障诊断方法包括：

2.如权利要求1所述的设备故障诊断方法，其特征在于，所述故障特征向量为数值特征向量；

3.如权利要求2所述的设备故障诊断方法，其特征在于，所述第一数值特征向量包括标准差和自相关系数；

4.如权利要求2所述的设备故障诊断方法，其特征在于，所述对所述故障描述文本进行文本数据预处理，得到文本序列的步骤包括：

5.如权利要求1所述的设备故障诊断方法，其特征在于，所述根据所述故障特征向量，确定设备故障类型，并选择所述设备故障类型对应的目标诊断模型的步骤包括：

6.如权利要求1所述的设备故障诊断方法，其特征在于，所述方法还包括：

7.如权利要求1至6中任一项所述的设备故障诊断方法，所述方法还包括：

8.一种设备故障诊断装置，其特征在于，所述装置包括：

9.一种电子设备，其特征在于，所述设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述计算机程序配置为实现如权利要求1至7中任一项所述的设备故障诊断方法的步骤。

10.一种存储介质，其特征在于，所述存储介质为计算机可读存储介质，所述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如权利要求1至7中任一项所述的设备故障诊断方法的步骤。

技术总结本发明公开了一种设备故障诊断方法、装置、电子设备及可读存储介质，涉及故障诊断技术领域，设备故障诊断方法包括：获取设备运行数据和故障描述文本，对设备运行数据和故障描述文本进行特征提取，得到故障特征向量；根据故障特征向量，确定设备故障类型，并选择设备故障类型对应的目标诊断模型；将故障特征向量输入目标诊断模型，通过目标诊断模型进行故障诊断，得到故障诊断结果。本发明的技术方案解决了设备故障诊断方法的模型泛化能力差和诊断准确性偏低的技术问题。技术研发人员：肖溱鸽,顾鋆涛,杨之乐,吴承科,郭媛君受保护的技术使用者：中国科学院深圳先进技术研究院技术研发日：技术公布日：2024/6/26