一种设备故障检测方法以及电子设备与流程

本技术涉及智能运维，特别涉及一种设备故障检测方法以及电子设备。

背景技术：

1、为了保证设备的正常运行，需要对设备进行故障检测。如空调的冷水机组是中央空调系统中重要，且耗能较大的设备，通过对冷水机组进行故障检测来保障空调的工作性能。

2、相关技术中，通常基于设备的运行参数与预警值进行比对，确定设备是否发生了故障。

3、然而，设备在运行过程中，存在很多的不精确不确定信息，且设备的工况时常发生变化，难以设置合理的预警值，因此，上述方式不能精准地进行故障检测。

技术实现思路

1、本技术提供了一种设备故障检测方法以及电子设备，用以精准地对设备进行故障检测。

2、第一方面，本技术实施例提供一种设备故障检测方法，所述方法包括：

3、在对样本设备的历史数据进行抽样后，基于抽样得到的样本数据之间的距离，确定各样本数据的信度；其中，各历史数据包括多个指标的数值组成的向量；

4、基于所述样本数据的信度，对所述样本数据进行证据聚类，得到证据库；其中，所述证据库包括各样本数据的类别信息；

5、基于所述证据库中各样本数据的类别信息，对目标设备的待测数据进行分类，并基于分类结果对所述目标设备进行故障检测。

6、上述方案，通过对样本设备的历史数据进行抽样，得到有代表性的样本数据，减小构建证据库的复杂度；根据抽样得到的样本数据之间的向量距离，确定各样本数据的信度；由于信度反映了在聚类过程中的不精确性与不确定性，因此基于样本数据的信度进行证据聚类，综合了在聚类过程中的不精确性与不确定性因素，得到更加精准分类的证据库，通过该证据库能够精准地对待测数据进行分类，从而及时准确地对设备进行故障检测。

7、一些可选的实施方式中，基于抽样得到的样本数据之间的距离，确定各样本数据的信度，包括：

8、针对任一样本数据，将与所述样本数据距离最近的m个其他样本数据确定为所述样本数据的相邻样本数据；

9、基于所述样本数据与各相邻样本数据之间的距离，确定各相邻样本数据对应的质量值；其中，所述质量值表征了相邻样本数据为所述样本数据提供的成为中心样本数据的证据；

10、对所有相邻样本数据对应的质量值进行融合，得到所述样本数据的信度。

11、上述方案，由于某个样本数据邻域内的其他样本数据，可以提供给该样本数据有关其是否可以成为类心的信息，在确定样本数据的相邻样本数据之后，基于样本数据与各相邻样本数据之间的距离，确定各相邻样本数据对应的质量值，该质量值表征了相邻样本数据为样本数据提供的成为中心样本数据的证据，也就是邻域内其他样本数据对待决策样本数据是否可以成为类心的支持程度；由于若干条证据就组成了待决策样本数据成为类心的证据划分(灵活的转换为硬划分，软划分，粗糙划分)，因此通过对所有相邻样本数据对应的质量值进行融合，在融合了若干条证据之后，得到表征样本数据成为类心可能性大小的信度。

12、一些可选的实施方式中，所述类别信息包括在所述证据库中各类别的概率值，所述证据库中的类别包括样本类别以及未知类别；基于所述样本数据的信度，对所述样本数据进行证据聚类，包括：

13、针对任一样本数据，若所述样本数据的信度大于预设信度，且截断距离大于预设距离，则将所述样本数据确定为对应样本类别的中心样本数据；其中，所述中心样本数据在对应样本类别的概率值为第一预设值；

14、针对任一非中心样本数据，基于所述非中心样本数据与各中心样本数据之间的距离，确定所述非中心样本数据在所述证据库中各类别的概率值；

15、其中，所述截断距离为所述样本数据与目标样本数据之间的距离；若所述样本数据为信度最大的样本数据，则所述目标样本数据为与所述样本数据距离最远的样本数据；否则，所述目标样本数据为在比所述样本数据信度大的其他样本数据中，与所述样本数据距离最近的样本数据。

16、上述方案，由于类心具有比其邻域内其他样本数据更高的信度，且与其他类心有较远的距离，因此，如果待决策样本数据信度较高，与此同时截断距离较大时，那么该待决策样本数据会被选为类别的中心。针对中心样本数据，由于其是对应样本类别的聚类中心，因此将第一预设值确定为其在对应样本类别的概率值。针对非中心样本数据，如果与某样本类别的中心样本数据距离越近，在该样本类别的概率值就越大，如果与所有样本类别的中心样本数据距离都远，在该未知类别的概率值就越大，因此，基于非中心样本数据与各中心样本数据之间的距离，精准地确定各非中心样本数据在证据库中各类别的概率值。

17、一些可选的实施方式中，所述类别信息包括在所述证据库中各类别的概率值，所述证据库中的类别包括样本类别以及未知类别；基于所述证据库中各样本数据的类别信息，对目标设备的待测数据进行分类，包括：

18、从所有样本数据中，选择与所述待测数据与所述样本数据之间距离最近n个参考样本数据；

19、针对证据库中任一类别，基于各参考样本数据在所述类别的概率值，以及各参考样本数据与待测数据之间的距离，确定所述待测数据在所述类别的预测概率；

20、将预测概率最大的类别确定为所述目标设备的预测类别。

21、上述方案，如果一个样本数据与待测数据的距离越接近，两个数据的类别越相似，通过确定待测数据邻域内的参考样本数据，提供给该待测数据有关其分类的信息；各待测数据与各参考样本数据之间的距离反映出数据间的相似度，因此，基于与参考样本数据的距离以及参考样本数据在任一类别的概率值，精准地各参考样本数据在该类别的参考概率，融合所有参考样本数据在该类别的参考概率，得到待测数据在该类别的预测概率，进而基于各类别的预设概率精准地确定目标设备的预测类别。

22、一些可选的实施方式中，基于分类结果对所述目标设备进行故障检测，包括：

23、若所述目标设备的预测类别为未知类别，则确定所述目标设备发生故障。

24、上述方案，样本类别是从样本数据中聚类出的多个类别，代表了已有的正常工况；而未知类别不属于上述样本类别，不属于已有的正常工况，如果已检测到目标设备的预测类别为未知类别，说明目标设备可能发生了故障。

25、一些可选的实施方式中，在确定所述目标设备发生故障之前，还包括：

26、确定所述目标设备在所述未知类别的预测概率大于第二预设值的时长超过预设时长；

27、在确定所述目标设备发生故障之后，还包括：

28、通过预设通知方式将所述目标设备在所述未知类别的预测概率进行通知。

29、上述方案，由于瞬间状态转换不会对设备造成较大影响，不属于故障情形，通过在确定目标设备发生故障之前，先确定在未知类别的预测概率持续较长时间，减少瞬间状态转换的干扰；另外，通过预设通知方式将在未知类别的预测概率进行通知，以便相关人员及时获知故障发生，并进行新的工况确认，排除新的工况干扰。

30、一些可选的实施方式中，对样本设备的历史数据进行抽样，包括：

31、基于所有历史数据在各采集指标的数值分布，将所有历史数据划分为多个大小相同的网格；

32、针对任一网格，基于预设采样总量以及所述网格中历史数据的数量，确定所述网格的采样数量，并基于聚类算法从所述网格中抽取所述采样数量的历史数据；

33、将从所有网格中抽样得到的历史数据，确定为所述样本数据。

34、上述方案，先根据历史数据在各采集指标的分布，进行密度偏差抽样，增加不易被抽取到数据的抽样概率，保证数据集整体的分布特征，提高了样本数据的质量，优化样本提取；之后再基于聚类算法从各网格中进行抽样，也就是筛选出一定数量的聚类中心，克服密度偏差抽样的随机性，产生覆盖更全的样本数据。

35、第二方面，本技术实施例提供一种电子设备，包括通信单元和处理器；

36、所述通信单元，用于与连接的其他设备进行数据传输；

37、所述处理器，用于在对样本设备的历史数据进行抽样后，基于抽样得到的样本数据之间的距离，确定各样本数据的信度；其中，各历史数据包括多个指标的数值组成的向量；基于所述样本数据的信度，对所述样本数据进行证据聚类，得到证据库；其中，所述证据库包括各样本数据的类别信息；基于所述证据库中各样本数据的类别信息，对目标设备的待测数据进行分类，并基于分类结果对所述目标设备进行故障检测。

38、第三方面，本技术实施例提供一种设备故障检测装置，包括：

39、信度确定模块，用于在对样本设备的历史数据进行抽样后，基于抽样得到的样本数据之间的距离，确定各样本数据的信度；其中，各历史数据包括多个指标的数值组成的向量；

40、证据库构建模块，用于基于所述样本数据的信度，对所述样本数据进行证据聚类，得到证据库；其中，所述证据库包括各样本数据的类别信息；

41、分类模块，用于基于所述证据库中各样本数据的类别信息，对目标设备的待测数据进行分类，并基于分类结果对所述目标设备进行故障检测。

42、第四方面，本技术实施例提供一种计算机可读存储介质，所述计算机可读存储介质内存储有计算机程序，所述计算机程序被处理器执行时，实现如第一方面任一项所述的设备故障检测方法。

技术特征：

1.一种设备故障检测方法，其特征在于，该方法包括：

2.如权利要求1所述的方法，其特征在于，基于抽样得到的样本数据之间的距离，确定各样本数据的信度，包括：

3.如权利要求1所述的方法，其特征在于，所述类别信息包括在所述证据库中各类别的概率值，所述证据库中的类别包括样本类别以及未知类别；基于所述样本数据的信度，对所述样本数据进行证据聚类，包括：

4.如权利要求1所述的方法，其特征在于，所述类别信息包括在所述证据库中各类别的概率值，所述证据库中的类别包括样本类别以及未知类别；基于所述证据库中各样本数据的类别信息，对目标设备的待测数据进行分类，包括：

5.如权利要求4所述的方法，其特征在于，基于分类结果对所述目标设备进行故障检测，包括：

6.如权利要求5所述的方法，其特征在于，在确定所述目标设备发生故障之前，还包括：

7.如权利要求1～6任一所述的方法，其特征在于，对样本设备的历史数据进行抽样，包括：

8.一种电子设备，其特征在于，包括通信单元和处理器；

9.如权利要求8所述的电子设备，其特征在于，所述处理器，具体用于：

10.如权利要求8所述的电子设备，其特征在于，所述类别信息包括在所述证据库中各类别的概率值，所述证据库中的类别包括样本类别以及未知类别；所述处理器，具体用于：

技术总结
本申请实施例公开一种设备故障检测方法以及电子设备，该方法包括：在对样本设备的历史数据进行抽样后，基于抽样得到的样本数据之间的距离，确定各样本数据的信度；其中，各历史数据包括多个指标的数值组成的向量；基于样本数据的信度，对样本数据进行证据聚类，得到证据库；其中，证据库包括各样本数据的类别信息；基于证据库中各样本数据的类别信息，对目标设备的待测数据进行分类，并基于分类结果对目标设备进行故障检测。通过抽样得到有代表性的样本数据，减小构建证据库的复杂度；由于信度反映了在聚类过程中不精确性与不确定性，因此基于样本数据的信度进行证据聚类，得到精准分类的证据库，从而基于该证据库及时准确地对设备进行故障检测。

技术研发人员：巩超宇,刘见,韩永祥,张念胜,孙鹏飞,尤伟,王建丽,郭健
受保护的技术使用者：青岛海信网络科技股份有限公司
技术研发日：
技术公布日：2024/9/23