工业设备故障的确定方法和工业设备故障的确定装置与流程

本技术涉及工业设备领域，具体而言，涉及一种工业设备故障的确定方法、工业设备故障的确定装置以及工业设备系统。

背景技术：

1、在工业领域中，工业设备的稳定性会影响整体的生产效率，因此，需要对工业设备的故障状态进行及时准确的预测。现有技术中，一般采用深度学习模型、神经网络模型等机器学习模型训练工业设备的时序数据，实现对于工业设备故障的预测。然而，通过训练模型实现数据预测方法具有训练成本高、即时性差的问题。

2、因此，亟需一种方法可以解决工业设备故障确定过程中的数据训练成本高、即时性差的问题。

技术实现思路

1、本技术的主要目的在于提供一种工业设备故障的确定方法、工业设备故障的确定装置以及工业设备系统，以至少解决现有技术中工业设备故障确定过程中的工业时序数据的训练成本高，即时性差的问题。

2、根据本技术的一方面，提供了工业设备故障的确定方法，包括：获取步骤，获取多个第一历史数据集和多个第二历史数据集，其中，所述第一历史数据集包括多个第一历史时序数据，所述第二历史数据集包括多个第二历史时序数据，所述第一历史时序数据和所述第二历史时序数据为当前时刻前的工业设备的工作参数的时序数据，任意一个所述第一历史时序数据对应的时刻位于任意一个所述第二历史时序数据对应的时刻之前；处理步骤，分别对多个所述第一历史数据集中的第一历史时序数据进行拟合处理，得到多个第一系数，并分别对多个所述第二历史数据集中的第二历史时序数据进行拟合处理，得到多个第二系数，其中，一个所述第一历史数据集对应一个所述第一系数，一个所述第二历史数据集对应一个所述第二系数；第一确定步骤，获取多个第三历史数据集，并对所述第三历史数据集中的第三历史时序数据进行拟合处理，得到第三系数，其中，所述第三历史数据集包括多个所述第三历史时序数据，任意一个所述第三历史时序数据对应的时刻位于任意一个所述第二历史时序数据对应的时刻之后；第二确定步骤，根据所述第一系数和所述第二系数的映射关系以及所述第三系数，确定所述第三系数对应的所述第二系数为目标数据，其中，所述映射关系用于表征序列值相同的所述第一系数与所述第二系数之间的映射关系，所述序列值为历史时序数据在历史数据集中按时间排序的序号；第三确定步骤，根据所述目标数据，确定所述工业设备是否发生故障。

3、可选地，在所述第三确定步骤之后，所述方法还包括：重复所述获取步骤、所述处理步骤、所述第一确定步骤、所述第二确定步骤以及所述第三确定步骤至少一次，并在重复的过程中将所述获取步骤中的所述第一历史数据集或所述第二历史数据集更新为上一次的重复过程中得到的所述第二确定步骤中的所述目标数据。

4、可选地，获取多个第一历史数据集和多个第二历史数据集，包括：获取多个第一初始时序数据，其中，所述第一初始时序数据为当前时刻前的工业设备的工作参数的时序数据，第一个所述第一初始时序数据对应的时刻位于任意一个所述第一历史时序数据对应的时刻之前，最后一个所述第一初始时序数据对应的时刻位于任意一个所述第二历史时序数据对应的时刻之后；采用第一预定时间窗口对第一初始时序数据进行多次滑动处理，得到多个所述第一历史数据集和所述第二历史数据集，所述第一预定时间窗口包括至少两个所述第一初始时序数据。

5、可选地，所述第一系数包括第一子系数和第二子系数，所述第二系数包括第三子系数和第四子系数，所述处理步骤包括：采用第一一阶多项式对所述第一历史数据集中的所述第一历史时序数据进行拟合处理，确定所述第一一阶多项式的斜率为所述第一子系数，确定所述第一一阶多项式的截距为所述第二子系数；采用第二一阶多项式对所述第二历史数据集中的所述第二历史时序数据进行拟合处理，确定所述第二一阶多项式的斜率为所述第三子系数，确定所述第二一阶多项式的截距为所述第四子系数。

6、可选地，获取多个第三历史数据集，包括：获取多个第二初始时序数据，其中，所述第二初始时序数据为当前时刻前的工业设备的工作参数的时序数据，第一个所述第二初始时序数据对应的时刻位于任意一个所述第三历史时序数据对应的时刻之前，最后一个所述第二初始时序数据对应的时刻位于任意一个所述第三历史时序数据对应的时刻之后；采用第二预定时间窗口对第二初始时序数据进行多次滑动处理，得到多个所述第三历史数据集，所述第二预定时间窗口包括至少两个所述第二初始时序数据。

7、可选地，所述第三系数包括第五子系数和第六子系数，对所述第三历史数据集中的第三历史时序数据进行拟合处理，得到第三系数，包括：采用第三一阶多项式对所述第三历史时序数据进行拟合处理，确定所述第三一阶多项式的斜率为所述第五子系数，确定所述第三一阶多项式的截距为所述第六子系数。

8、可选地，所述第二确定步骤包括：根据所述第一系数和所述第二系数的映射关系，确定与所述第三系数相等的所述第一系数对应的所述第二系数为预备系数；在多个连续的所述预备系数的概率密度函数值大于预定数值的情况下，确定多个连续的所述预备系数中的每一个所述预备系数为所述目标数据；或者，确定多个所述预备系数中的预定数量的所述预备系数中的每一个所述预备系数为所述目标数据。

9、可选地，所述第三确定步骤包括：在所述目标数据大于数据阈值的情况下，确定所述工业设备发生故障。

10、根据本技术的另一方面，提供了一种工业设备故障的确定装置，包括：获取单元，用于获取步骤，获取多个第一历史数据集，其中，所述第一历史数据集包括多个第一历史时序数据，所述第一历史时序数据为当前时刻前的工业设备的时序数据，一个所述第一历史数据集包括一个第一历史数据集和一个第二历史数据集，所述第一历史数据集中的第一时序数据对应的时刻为第一时刻，所述第二历史数据集中的第一时序数据对应的时刻为第二时刻，任意一个所述第一时刻位于任意一个所述第二时刻之前；处理单元，用于处理步骤，分别对多个所述第一历史数据集中的第一历史时序数据进行拟合处理，得到多个第一系数，并分别对多个所述第二历史数据集中的第二历史时序数据进行拟合处理，得到多个第二系数，其中，一个所述第一历史数据集对应一个所述第一系数，一个所述第二历史数据集对应一个所述第二系数；第一确定单元，用于第一确定步骤，获取多个第三历史数据集，并对所述第三历史数据集中的第三历史时序数据进行拟合处理，得到第三系数，其中，所述第三历史数据集包括多个所述第三历史时序数据，任意一个所述第三历史时序数据对应的时刻位于任意一个所述第二历史时序数据对应的时刻之后；第二确定单元，用于第二确定步骤，根据所述第一系数和所述第二系数的映射关系以及所述第三系数，确定所述第三系数对应的所述第二系数为目标数据，其中，所述映射关系用于表征序列值相同的所述第一系数与所述第二系数之间的映射关系，所述序列值为历史时序数据在历史数据集中按时间排序的序号；第三确定单元，用于第三确定步骤，根据所述目标数据，确定所述工业设备是否发生故障。

11、根据本技术的再一方面，提供了一种工业设备系统，包括：工业设备，所述的工业设备故障的确定装置，所述工业设备故障的确定装置与所述工业设备通信连接。

12、应用本技术的技术方案，首先，获取多个第一历史数据集和多个第二历史数据集；分别对多个第一历史数据集中的第一历史时序数据进行拟合处理，得到多个第一系数，并分别对多个第二历史数据集中的第二历史时序数据进行拟合处理，得到多个第二系数；再获取多个第三历史数据集，并对第三历史数据集中的第三历史时序数据进行拟合处理，得到第三系数；然后，根据第一系数和第二系数的映射关系以及第三系数，确定第三系数对应的第二系数为目标数据；最后，根据目标数据，确定工业设备是否发生故障。上述方法通过对具有多个第一历史时序数据的第一历史数据集进行拟合，得到第一系数，对具有多个第二历史时序数据的第二历史数据集进行拟合，得到第二系数，大大降低了数据的维度，再根据上述第一系数和第二系数生成目标映射关系。由于是第一系数和第二系数是基于历史时序数据得到的，上述目标映射关系也能很好地反映历史数据的规律性特征，因此，上述目标映射关系也可以保证预测的准确性。仅需对一定数量的第三历史时序数据进行拟合得到第三系数，再根据第三系数查询目标映射关系即可得到目标数据集。最后，根据目标数据，可以快速确定上述工业设备是否发生故障。因此，上述方法计算量低，可实现实时计算，解决了现有技术中的工业设备故障确定过程中工业时序数据的训练成本高，即时性差的问题。