【技術實現步驟摘要】
本專利技術涉及檢測控制領域，更具體地涉及一種設備異常檢測方法及設備異常檢測系統。
技術介紹
1、隨著檢測技術在民用和商用領域的廣泛應用，檢測系統，特別是設備異常檢測系統也面臨著更高的要求。
2、目前的設備異常檢測系統中，通常包括設備側的本地檢測端(也稱edge端、邊緣端)及遠程云平臺(也稱cloud端、云端)。然而，當前的本地檢測端將會將采集的大量實時檢測數據上傳至云端，在云端對該檢測數據進行綜合處理判斷(例如包括預處理、特征提取、異常檢測等多個過程)，并計算得到最終的異常檢測結果發送至本地檢測端。然而，一方面，需要在本地檢測端及云平臺之間經由無線網絡進行大數據量的實時傳輸，單位時間內的數據吞吐量過大，造成網絡空間和資源的消耗，導致高通信流量(成本)和高能耗問題，同時大幅度削弱無線系統的使用壽命。另一方面，大量未經充分預處理的原始數據在云端進行復雜算法處理，這將大大增加云端的計算量及數據處理量，也嚴重影響異常診斷的時效性，導致系統響應速度慢、延遲度高等問題。
3、因此，需要一種在實現良好的異常檢測的前提下，進一步實現高實時性、高響應速度、低延遲的異常檢測過程的異常檢測方法及系統，且能夠有效地降低云端和本地端之間大規模數據傳輸量，降低通信流量同時減少能耗。
技術實現思路
1、針對以上問題，本專利技術提供了一種設備異常檢測方法及設備異常檢測系統。利用本專利技術提供的設備異常檢測方法可以在實現良好的異常檢測的前提下，進一步實現高實時性、高響應速度、低延遲的異常檢測
2、根據本公開的一方面，提出了一種設備異常檢測方法，包括：本地檢測端生成待檢測設備的目標性能指標數據，并將所述目標性能指標數據發送至云平臺；所述云平臺基于所述目標性能指標數據，確定與該目標性能指標數據相對應的目標檢測算法信息，并將所述目標檢測算法信息發送至本地檢測端；所述本地檢測端基于該目標檢測算法信息及所述待檢測設備的性能數據，實現對所述待檢測設備的異常檢測，并輸出異常檢測結果。
3、在一些實施例中，本地檢測端生成待檢測設備的目標性能指標數據包括：本地檢測端捕獲所述待檢測設備的性能數據；本地檢測端基于預設規則，基于所述性能數據確定目標性能指標數據，并將所述目標性能指標數據發送至所述云平臺。
4、在一些實施例中，所述云平臺基于所述目標性能指標數據，確定與該目標性能指標數據相對應的目標異常檢測算法信息包括：所述云平臺基于所述目標性能指標數據，經由預訓練的機器學習模型確定與該目標性能指標數據所對應的目標異常檢測算法信息。
5、在一些實施例中，所述目標異常檢測算法信息包括：目標預處理模型信息、目標特征提取模型信息及目標異常檢測模型信息。
6、在一些實施例中，確定與該目標性能指標數據相對應的目標異常檢測算法信息包括：將所述目標性能指標數據與預設的多個目標性能指標數據檔位相比較，確定與該目標性能指標數據相對應的目標性能指標數據檔位；基于所述目標性能指標數據檔位，基于預設規則，確定與該目標性能指標數據檔位相對應的目標預處理模型信息、目標特征提取模型信息及目標異常檢測模型信息；基于所述目標預處理模型信息、目標特征提取模型信息及目標異常檢測模型信息生成目標異常檢測算法信息。
7、在一些實施例中，所述本地檢測端基于該目標檢測算法信息及所述待檢測設備的性能數據，實現對所述待檢測設備的異常檢測包括：基于該目標檢測算法信息確定該待檢測設備的目標預處理模型、目標特征提取模型及目標異常檢測模型；基于所述目標預處理模型對所述性能數據進行預處理，得到預處理性能數據；基于所述目標特征提取模型提取所述預處理性能數據的特征，得到設備特征數據；基于所述預處理性能數據和/或所述設備特征數據，根據所述目標異常檢測模型，確定該待檢測設備的性能狀態。
8、在一些實施例中，所述機器學習模型是聚類模型。
9、在一些實施例中，基于預設規則，基于所述性能數據確定目標性能指標數據包括：對所述性能數據中的至少一個性能數據：獲取該性能數據的數據類型，并得到與該數據類型相對應的指標檔位范圍，其中，每個指標檔位范圍具有相應的指標檔位信息；確定所述性能數據所對應的指標檔位范圍，并獲取相應的指標檔位信息；基于各個性能數據相應的指標檔位信息，生成目標性能指標數據。
10、在一些實施例中，所述待檢測設備為磨齒機，且其中，所述目標性能指標數據包括磨齒機的轉速數據、磨齒機的給進倍率數據；所述性能數據包括磨齒機的轉速數據、磨齒機的給進倍率數據、磨齒機的功率數據、磨齒機的振動數據中的至少一個。
11、根據本公開的另一方面，提出了一種設備異常檢測系統，包括本地檢測端及云平臺，且所述設備異常檢測系統被配置為執行如前所述的方法。
本文檔來自技高網...【技術保護點】
1.一種設備異常檢測方法，包括：
2.根據權利要求1所述的設備異常檢測方法，其中，本地檢測端生成待檢測設備的目標性能指標數據包括：
3.根據權利要求1所述的設備異常檢測方法，其中，所述云平臺基于所述目標性能指標數據，確定與該目標性能指標數據相對應的目標異常檢測算法信息包括：
4.根據權利要求3所述的設備異常檢測方法，其中，所述目標異常檢測算法信息包括：目標預處理模型信息、目標特征提取模型信息及目標異常檢測模型信息。
5.根據權利要求3所述的設備異常檢測方法，其中，確定與該目標性能指標數據相對應的目標異常檢測算法信息包括：
6.根據權利要求3所述的設備異常檢測方法，其中，所述本地檢測端基于該目標檢測算法信息及所述待檢測設備的性能數據，實現對所述待檢測設備的異常檢測包括：
7.根據權利要求3所述的設備異常檢測方法，其中，所述機器學習模型是聚類模型。
8.根據權利要求2所述的設備異常檢測方法，其中，基于預設規則，基于所述性能數據確定目標性能指標數據包括：
9.根據權利要求1所述的設備異常檢測
10.一種設備異常檢測系統，包括本地檢測端及云平臺，且所述設備異常檢測系統被配置為執行如權利要求1-9中任一項所述的方法。
...【技術特征摘要】
1.一種設備異常檢測方法，包括：
2.根據權利要求1所述的設備異常檢測方法，其中，本地檢測端生成待檢測設備的目標性能指標數據包括：
3.根據權利要求1所述的設備異常檢測方法，其中，所述云平臺基于所述目標性能指標數據，確定與該目標性能指標數據相對應的目標異常檢測算法信息包括：
4.根據權利要求3所述的設備異常檢測方法，其中，所述目標異常檢測算法信息包括：目標預處理模型信息、目標特征提取模型信息及目標異常檢測模型信息。
5.根據權利要求3所述的設備異常檢測方法，其中，確定與該目標性能指標數據相對應的目標異常檢測算法信息包括：
<...
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。