CN112185070B - 故障预警方法、存储介质及电子设备 - Google Patents

故障预警方法、存储介质及电子设备 Download PDF

Info

Publication number
CN112185070B
CN112185070B CN202010953249.XA CN202010953249A CN112185070B CN 112185070 B CN112185070 B CN 112185070B CN 202010953249 A CN202010953249 A CN 202010953249A CN 112185070 B CN112185070 B CN 112185070B
Authority
CN
China
Prior art keywords
early warning
fault early
historical
data
current
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202010953249.XA
Other languages
English (en)
Other versions
CN112185070A (zh
Inventor
林凯常
甄洪波
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Gree Electric Appliances Inc of Zhuhai
Zhuhai Lianyun Technology Co Ltd
Original Assignee
Gree Electric Appliances Inc of Zhuhai
Zhuhai Lianyun Technology Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Gree Electric Appliances Inc of Zhuhai, Zhuhai Lianyun Technology Co Ltd filed Critical Gree Electric Appliances Inc of Zhuhai
Priority to CN202010953249.XA priority Critical patent/CN112185070B/zh
Publication of CN112185070A publication Critical patent/CN112185070A/zh
Application granted granted Critical
Publication of CN112185070B publication Critical patent/CN112185070B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
    • G08B21/18—Status alarms
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/30—Monitoring
    • G06F11/3058—Monitoring arrangements for monitoring environmental properties or parameters of the computing system or of the computing system component, e.g. monitoring of power, currents, temperature, humidity, position, vibrations
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/30—Monitoring
    • G06F11/3065—Monitoring arrangements determined by the means or processing involved in reporting the monitored data
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24—Querying
    • G06F16/245—Query processing
    • G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
    • G06F16/2465—Query processing support for facilitating data mining operations in structured databases
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B29/00—Checking or monitoring of signalling or alarm systems; Prevention or correction of operating errors, e.g. preventing unauthorised operation
    • G08B29/18—Prevention or correction of operating errors
    • G08B29/185—Signal analysis techniques for reducing or preventing false alarms or for enhancing the reliability of the system
    • G08B29/188—Data fusion; cooperative systems, e.g. voting among different detectors

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Quality & Reliability (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Fuzzy Systems (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Computing Systems (AREA)
  • Artificial Intelligence (AREA)
  • Computer Security & Cryptography (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Evolutionary Computation (AREA)
  • Mathematical Physics (AREA)
  • Probability & Statistics with Applications (AREA)
  • Software Systems (AREA)
  • Computational Linguistics (AREA)
  • Business, Economics & Management (AREA)
  • Emergency Management (AREA)
  • Testing And Monitoring For Control Systems (AREA)

Abstract

本发明公开了一种故障预警方法、存储介质及电子设备，方法包括：获取目标设备在当前所处环境下的当前环境参数以及在该当前所处环境下工作时的当前物理表征数据，从预设数据库中获取与目标设备的类型对应的多组历史数据，其中，历史数据为出现故障前设定时长内获取到的，在历史数据的组数大于预设阈值时，根据历史数据中的历史物理表征数据和历史环境参数生成历史故障预警模型，将当前环境参数输入至历史故障预警模型中以得到当前故障预警值，根据当前故障预警阈值和当前物理表征数据对目标设备进行故障预警。通过采用上述方法实现了根据环境参数生成与该环境参数相匹配的故障预警阈值，从而可以提升根据故障预警阈值进行故障预警时的可靠性。

Description

故障预警方法、存储介质及电子设备
技术领域
本发明属于计算机领域，具体涉及一种故障预警方法、存储介质及电子设备。
背景技术
随着人们生活水平的不断提高，人们对电子设备的安全性和使用的合理性要求越来越高，所以电子设备的故障预警报警越来越重要。而对于目前的电子设备故障预警报警阈值的取值方法还是不够合理，使得设备故障预警报警的处理效果效差。
现有技术中，电子设备的报警阈值设置方法有两种，一种是两点阈值法，即设置电子设备的上下限值；另一种是多点阈值法，即根据不同的条件，设置对应的阈值。但是在采用上述的报警阈值进行预警时，存在预警不够准确的问题。
发明内容
本发明提供了一种故障预警方法、存储介质及电子设备，实现了根据环境参数生成与该环境参数相匹配的故障预警阈值，从而可以提升根据故障预警进行故障预警时的可靠性。
第一方面，本发明提供一种故障预警方法，所述方法包括：
获取目标设备在当前所处环境下的当前环境参数以及在该当前所处环境下工作时的当前物理表征数据；
从预设数据库中获取与目标设备的类型对应的多组历史数据，其中，该历史数据为出现故障前设定时长内获取到的，每组历史数据包括历史环境参数和历史物理表征数据；
在所述历史数据的组数大于预设阈值时，根据所述历史物理表征数据和所述历史环境参数生成历史故障预警模型；
将所述当前环境参数输入至所述历史故障预警模型中以得到当前故障预警值；
根据所述当前故障预警阈值和所述当前物理表征数据对所述目标设备进行故障预警。
可选的，在上述故障预警方法中，环境参数为多种，物理表征数据为至少一种，根据所述历史物理表征数据和所述历史环境参数生成历史故障预警模型，包括：
从至少一种历史物理表征数据中确定一种目标历史物理表征数据；
根据每组所述历史数据中分别包括的历史环境参数和所述目标历史物理表征数据建立多组第一线性关系组，其中，每组第一线性关系组中包括的线性关系的数量与每组历史数据中包括的历史环境数据的数量相同；
对每组所述第一线性关系组进行求解以得到多组第一参数系数，根据所述多组第一参数系数生成一组第一目标参数系数；
根据所述第一目标参数系数得到所述历史物理表征数据与各所述历史环境数据之间的第一线性关系，并将该第一线性关系作为所述历史故障预警模型。
可选的，在上述故障预警方法中，根据所述多组第一参数系数生成一组第一目标参数系数，包括：
对所述多组第一参数系数采用求均值计算，以得到一组第一目标参数系数。
可选的，在上述故障预警方法中，根据所述当前故障预警阈值和所述当前物理表征数据确定是否对所述目标设备进行故障预警，包括：
从所述当前物理表征数据中获取与所述目标历史物理表征数据类型相同的目标当前物理表征数据；
判断所述目标当前物理表征数据的值是否大于或等于所述当前故障预警阈值，并在大于或等于所述目标故障预警阈值时，对所述目标设备进行故障预警。
可选的，在上述故障预警方法中，所述方法还包括：
获取所述目标设备在实验条件下对应获得的实验故障预警模型；
将所述当前环境参数输入至所述实验故障预警模型中以得到实验故障预警值；
根据所述当前故障预警阈值和所述当前物理表征数据对所述目标设备进行故障预警，包括：
根据所述当前故障预警值和实验故障预警值生成目标故障预警阈值；
根据所述目标故障预警阈值和所述当前物理表征数据对所述目标设备进行故障预警。
可选的，在上述故障预警方法中，根据所述当前故障预警值和实验故障预警值生成目标故障预警阈值，包括：
对所述当前故障预警值和实验故障预警值进行权重计算，并将权重计算结果作为所述目标故障预警阈值。
可选的，在上述故障预警方法中，在所述历史数据的组数小于所述预设阈值时，所述方法还包括：
将所述当前环境参数输入至所述实验故障预警模型中以得到实验故障预警阈值，并根据所述当前环境参数和所述实验故障预警阈值对所述目标设备进行故障预警。
可选的，在上述故障预警方法中，所述实验故障预警模型通过以下方式获得：
获取在实验条件下所述目标设备处于在不同实验环境参数情况下并出现故障前设定时长内的多组实验数据，其中，每组实验数据包括实验环境参数和实验物理表征数据；
从至少一种实验物理表征数据中确定一种目标实验物理表征数据；
根据每组所述实验数据中分别包括的实验环境参数和所述目标实验物理表征数据建立多组第二线性关系组，其中，每组第二线性关系组中包括的线性关系的数量与每组实验数据中包括的实验环境数据的数量相同；
对每组所述第二线性关系组进行求解以得到多组第二参数系数，根据所述多组第二参数系数生成一组第二目标参数系数；
根据所述第二目标参数系数得到所述实验物理表征数据与各所述实验环境数据之间的第二线性关系，并将该第二线性关系作为所述实验故障预警模型。
可选的，在上述故障预警方法中，从预设数据库中获取与目标设备的类型对应的多组历史数据，包括：
从预设数据库中获取与当前环境参数匹配且与目标设备的类型对应的历史数据。
第二方面，本发明提供一种存储介质，该存储介质存储有计算机程序，所述计算机程序被一个或多个处理器执行时实现如上述的故障预警方法
第三方面，本发明提供一种电子设备，包括存储器和处理器，所述存储器上存储有计算机程序，该计算机程序被所述处理器执行时，执行如上述的故障预警方法。
本发明提供的一种故障预警方法、存储介质及电子设备，方法包括：获取目标设备在当前所处环境下的当前环境参数以及在该当前所处环境下工作时的当前物理表征数据；从预设数据库中获取与目标设备的类型对应的多组历史数据，其中，该历史数据为出现故障前设定时长内获取到的，每组历史数据包括历史环境参数和历史物理表征数据；在所述历史数据的组数大于预设阈值时，根据所述历史物理表征数据和所述历史环境参数生成历史故障预警模型；将所述当前环境参数输入至所述历史故障预警模型中以得到当前故障预警值；根据所述当前故障预警阈值和所述当前物理表征数据对所述目标设备进行故障预警。通过采用上述的故障预警方法实现了根据目标设备所处环境的变化，动态调整生成故障预警阈值，从而可以提升根据故障预警进行故障预警时的可靠性。
附图说明
附图用来提供对本申请的技术方案或现有技术的进一步理解，并且构成说明书的一部分。其中，表达本申请实施例的附图与本申请的实施例一起用于解释本申请的技术方案，但并不构成对本申请技术方案的限制。
图1为本申请实施例提供的一种故障预警方法的流程示意图。
图2为图1中步骤S130的流程示意图。
图3为本申请实施例提供的一种故障预警方法的另一流程示意图。
图4为本申请实施例提供的一种故障预警方法的另一流程示意图。
具体实施方式
以下将结合附图及实施例来详细说明本发明的实施方式，借此对本发明如何应用技术手段来解决技术问题，并达到相应技术效果的实现过程能充分理解并据以实施。本申请实施例以及实施例中的各个特征，在不相冲突前提下可以相互结合，所形成的技术方案均在本发明的保护范围之内。
另外，附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机中执行。并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。
第一实施例
请参阅图1，本实施例提供了一种故障预警方法，该方法可以被一个或多个处理器执行，并在一个或多个处理器执行时，实现以下步骤：
步骤S110：获取目标设备在当前所处环境下的当前环境参数以及在该当前所处环境下工作时的当前物理表征数据。
步骤S120：从预设数据库中获取与目标设备的类型对应的多组历史数据，其中，该历史数据为出现故障前设定时长内获取到的，每组历史数据包括历史环境参数和历史物理表征数据。
步骤S130：在所述历史数据的组数大于预设阈值时，根据所述历史物理表征数据和所述历史环境参数生成历史故障预警模型。
步骤S140：将所述当前环境参数输入至所述历史故障预警模型中以得到当前故障预警值。
步骤S150：根据所述当前故障预警阈值和所述当前物理表征数据对所述目标设备进行故障预警。
本申请通过采用上述步骤S110-S150，实现了根据环境参数生成与该环境参数相匹配的当前故障预警阈值进行预警，从而可以提升根据该当前故障预警进行故障预警时的可靠性。
具体的，在步骤S110中，所述目标设备可以是电脑、冰箱、电视、空调等电子设备，所述当前环境参数可以包括当前温度值、当前湿度值、光照强度、海拔高度以及当前风力值中的至少两种，在此不做具体限定，根据实际需求进行设置即可。
所述当前物理表征数据可以是电流值、电压值、功率值中的一种或多种，在此不做具体限定，根据实际需求进行设置即可。
在步骤S120中，所述预设数据库中可以存储有多种不同类型的设备的历史数据。
在获得目标设备的类型对应的历史数据时，可以是获得与该目标设备类型相同的出现故障前设定时长内获取到所有历史数据，也可以是获得与当前环境参数匹配且与目标设备的类型对应且为出现故障前设定时长内获取到的历史数据。
在本实施例中，所述步骤S120可以是，从预设数据库中获取与当前环境参数匹配且与目标设备的类型对应的历史数据。
在步骤S130中，所述预设阈值可以根据所述环境参数的种类进行设置，也可以是用户任意设置的，如10、20、50或100，在此不做具体限定，根据实际需求进行设置即可。
可选的，在本实施例中，所述预设阈值的数量可以与所述环境参数的种类相同。
根据所述历史物理表征数据和所述历史环境参数生成历史故障预警模型的方式可以是，对所述历史物理表征数据和所述历史环境参数利用神经网络模型进行训练，以得到故障预警模型，也可以是对所述历史物理表征数据和所述历史环境数据采用预设计算式进行计算，以得到故障预警模型，在此不做具体限定，根据实际需求进行设置即可。
可选的，在本实施例中，请结合参阅图2，物理表征数据为至少一种，根据所述历史物理表征数据和所述历史环境参数生成历史故障预警模型，包括：
步骤S132：从至少一种历史物理表征数据中确定一种目标历史物理表征数据。
其中，从所述至少一种历史物理表征数据中确定一种目标物理表征数据的方式可以是从至少一种物理表征数据中任意选取一种目标物理表征数据，也可以是对至少一种物理表征数据采用均方差的方式计算得到均方差值为最小的一种目标物理表征数据，在此不做具体限定，根据实际需求进行设置即可。
步骤S134：根据每组所述历史数据中分别包括的历史环境参数和所述目标历史物理表征数据建立多组第一线性关系组，其中，每组第一线性关系组中包括的线性关系的数量与每组历史数据中包括的历史环境数据的数量相同。
步骤S136：对每组所述第一线性关系组进行求解以得到多组第一参数系数，根据所述多组第一参数系数生成一组第一目标参数系数。
步骤S138：根据所述第一目标参数系数得到所述历史物理表征数据与各所述历史环境数据之间的第一线性关系，并将该第一线性关系作为所述历史故障预警模型。
具体的，当确定有N种影响目标历史物理表征数据的历史环境数据时，获取目标设备在外界环境使用过程中出现故障前预设时长内的M条历史数据，则能根据每条历史数据中包括的历史环境数据和目标历史物理表征数据建立得到M条线性关系。如，影响物理表征信号的环境因素三个，且分别为X、Y、Z，则线性关系为S1＝aX+bY+cZ。然后将M条这样的线性关系随机分组，每N条线性关系为一组，可得到M！/((M-3)！*3！)个组合，即可得到M！/((M-3)！*3！)组a，b，c的参数，通过对M！/((M-N)！*N！)组a，b，c的参数进行处理，如求取平均数得到aavg、bavg、cavg，则可以获得历史故障预警模型为S，且S＝aavgX+bavgY+cavgZ。
在步骤S140中，通过将当前环境参数输入至上述的历史故障模型即可得到当前故障预警阈值S的具体值。
在步骤S150中，在根据所述当前故障预警阈值和所述当前物理表征数据对所述目标设备进行故障预警时，具体可以执行如下步骤：从当前物理表征数据中获取与所述当前故障预警阈值类型相同的目标物理表征数据，并在该目标物理表征数据与当前故障预警阈值不匹配时，进行故障预警。
可选的，在本实施例中，上述步骤S150包括：从所述当前物理表征数据中获取与所述目标历史物理表征数据类型相同的目标当前物理表征数据；判断所述目标当前物理表征数据的值是否大于或等于所述当前故障预警阈值，并在大于或等于所述目标故障预警阈值时，对所述目标设备进行故障预警。
例如，当所述目标物理表征数据为电流值时，可以在该电流值大于或等于所述当前故障预警阈值时进行故障预警。
通过采用上述方法，实现了根据当前环境数据动态生成当前故障预警值，从而在根据动态生成的当前故障预警阈值进行报警时的可靠性。
请结合参阅图3，在本实施例中，为进一步提升进行故障预警的可靠性，在本实施例中，所述方法还包括：
步骤S160：获取所述目标设备在实验条件下对应获得的实验故障预警模型。
其中，所述实验故障预警模型为利用在实验条件下获得的目标设备的多个实验数据生成的故障模型，可以理解，该实验数据中包括在目标设备在发生故障前设定时长内获得的实验环境数据以及实验物理表征数据，关于所述实验环境数据和所述实验物理表征数据的具体描述可以参照前述对所述当前环境数据和所述当前物理表征数据的具体描述，关于所述实验故障预警模型的生成过程也可以参照前文对所述历史故障预警模型的生成过程的具体描述。
步骤S170：将所述当前环境参数输入至所述实验故障预警模型中以得到实验故障预警值。
上述步骤S150包括：
步骤S152：根据所述当前故障预警值和实验故障预警值生成目标故障预警阈值。
其中，上述步骤S152可以是对所述当前故障预警值和所述实验故障预警值采用权重计算，以得到目标故障预警值，还可以是对所述当前故障预警值和所述实验故障预警值采用求均值计算，以得到目标故障预警值。
可选的，在本实施例中，上述步骤S152包括：对所述当前故障预警值和实验故障预警值进行权重计算，并将权重计算结果作为所述目标故障预警阈值。
步骤S154：根据所述目标故障预警阈值和所述当前物理表征数据对所述目标设备进行故障预警。
其中，上述步骤S154具体可以是：从所述当前物理表征数据中获取与所述目标历史物理表征数据类型相同的目标当前物理表征数据；判断所述目标当前物理表征数据的值是否大于或等于所述目标故障预警阈值，并在大于或等于所述目标故障预警阈值时，对所述目标设备进行故障预警。
请结合参阅图4，还需要说明的是，在本实施例中，所述实验故障预警模型的生成方式与所述历史故障预警模型的生成方式相同，具体的，在本实施例中，所述实验故障预警模型通过以下方式获得：
步骤S210：获取在实验条件下所述目标设备处于在不同实验环境参数情况下并出现故障前设定时长内的多组实验数据，其中，每组实验数据包括实验环境参数和实验物理表征数据。
步骤S220：从至少一种实验物理表征数据中确定一种目标实验物理表征数据。
步骤S230：根据每组所述实验数据中分别包括的实验环境参数和所述目标实验物理表征数据建立多组第二线性关系组，其中，每组第二线性关系组中包括的线性关系的数量与每组实验数据中包括的实验环境数据的数量相同。
步骤S240：对每组所述第二线性关系组进行求解以得到多组第二参数系数，根据所述多组第二参数系数生成一组第二目标参数系数。
步骤S250：根据所述第二目标参数系数得到所述实验物理表征数据与各所述实验环境数据之间的第二线性关系，并将该第二线性关系作为所述实验故障预警模型。
具体的，若确定影响设备物理表征信号设备电流的环境因素为温度、湿度、风力。实验室里在温度、湿度、风力合理范围内不断变换温度、湿度、风力，每当出现故障时，记录前一刻的温度为X摄氏度，湿度为Y百分比，风力为Z米/秒，设备电流为K。每组实验数据记录为一个线性关系K1＝a1X+b1Y+c1Z，每3个线性关系作为一个线性组，则N个组实验数据，就有N！/((N-3)！*3！)个线性方程组，解方程组以得到多组a1，b1，c1的参数，通过对N！/((N-3)！*3！)组a1，1b，c1的参数进行处理，如求取平均数得到a1avg、b1avg、c1avg，则可以获得实验故障预警模型为K，且K＝a1avgX+b1avgY+c1avgZ。
在本实施例中，为进一步确保对目标设备进行故障预警的可靠性，在本实施例中，在所述历史数据的组数小于所述预设阈值时，所述方法还包括：
将所述当前环境参数输入至所述实验故障预警模型中以得到实验故障预警阈值，并根据所述当前环境参数和所述实验故障预警阈值对所述目标设备进行故障预警。
实施例二
本实施例提供一种存储介质，如闪存、硬盘、多媒体卡、卡型存储器(例如，SD或DX存储器等)、随机访问存储器(RAM)、静态随机访问存储器(SRAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、可编程只读存储器(PROM)、磁性存储器、磁盘、光盘、服务器、App应用商城等等，其上存储有计算机程序，所述计算机程序被一个或多个处理器执行时可以实现实施例一故障预警方法。
上述方法步骤的具体实施例过程可参见实施例一，本实施例在此不再重复赘述。
实施例三
本申请实施例提供了一种电子设备，包括存储器和处理器，所述存储器上存储有计算机程序，该计算机程序被所述处理器执行时，实施例一中所述的故障预警方法。
可以理解，所述电子设备还可以包括，多媒体组件，输入/输出(I/O)接口，以及通信组件。
其中，处理器用于执行如实施例一中故障预警方法中的全部或部分步骤。存储器用于存储各种类型的数据，这些数据例如可以包括电子设备中的任何应用程序或方法的指令，以及应用程序相关的数据。
所述处理器可以是专用集成电路(Application Specific Integrated Circuit，简称ASIC)、数字信号处理器(Digital Signal Processor，简称DSP)、数字信号处理设备(Digital Signal Processing Device，简称DSPD)、可编程逻辑器件(Programmable LogicDevice，简称PLD)、现场可编程门阵列(Field Programmable Gate Array，简称FPGA)、控制器、微控制器、微处理器或其他电子元件实现，用于执行上述实施例一中的故障预警方法。
所述存储器可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，例如静态随机存取存储器(Static Random Access Memory，简称SRAM)，电可擦除可编程只读存储器(Electrically Erasable Programmable Read-Only Memory，简称EEPROM)，可擦除可编程只读存储器(Erasable Programmable Read-Only Memory，简称EPROM)，可编程只读存储器(Programmable Read-Only Memory，简称PROM)，只读存储器(Read-Only Memory，简称ROM)，磁存储器，快闪存储器，磁盘或光盘。
在本申请所提供的几个实施例中，应该理解到，所揭露的方法，也可以通过其它的方式实现。以上所描述的实施例仅仅是示意性的，例如，附图中的流程图和框图显示了根据本申请的多个实施例的方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分，所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现方式中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
以上所述仅为本申请的实施例而已，并不用于限制本申请的保护范围，对于本领域的技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。
还需要说明的是，以上所述，仅为本申请的具体实施方式，但所述的内容只是为了便于理解本发明而采用的实施方式，并非用以限定本发明。任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，在不脱离本发明所公开的精神和范围的前提下，可以在实施的形式上及细节上作任何的修改与变化，以及可轻易想到变化或替换，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应所述以权利要求的保护范围为准。

Claims (10)

1.一种故障预警方法，其特征在于，所述方法包括：
获取目标设备在当前所处环境下的当前环境参数以及在该当前所处环境下工作时的当前物理表征数据；
从预设数据库中获取与目标设备的类型对应的多组历史数据，其中，该历史数据为出现故障前设定时长内获取到的，每组历史数据包括历史环境参数和历史物理表征数据；
在所述历史数据的组数大于预设阈值时，根据所述历史物理表征数据和所述历史环境参数生成历史故障预警模型，其中，环境参数为多种，物理表征数据为至少一种，根据所述历史物理表征数据和所述历史环境参数生成历史故障预警模型，包括：从至少一种历史物理表征数据中确定一种目标历史物理表征数据；根据每组所述历史数据中分别包括的历史环境参数和所述目标历史物理表征数据建立多组第一线性关系组，其中，每组第一线性关系组中包括的线性关系的数量与每组历史数据中包括的历史环境数据的数量相同；对每组所述第一线性关系组进行求解以得到多组第一参数系数，根据所述多组第一参数系数生成一组第一目标参数系数；根据所述第一目标参数系数得到所述历史物理表征数据与各所述历史环境数据之间的第一线性关系，并将该第一线性关系作为所述历史故障预警模型；
将所述当前环境参数输入至所述历史故障预警模型中以得到当前故障预警阈值；
根据所述当前故障预警阈值和所述当前物理表征数据对所述目标设备进行故障预警。
2.根据权利要求1所述的故障预警方法，其特征在于，根据所述多组第一参数系数生成一组第一目标参数系数，包括：
对所述多组第一参数系数采用求均值计算，以得到一组第一目标参数系数。
3.根据权利要求1所述的故障预警方法，其特征在于，根据所述当前故障预警阈值和所述当前物理表征数据确定是否对所述目标设备进行故障预警，包括：
从所述当前物理表征数据中获取与所述目标历史物理表征数据类型相同的目标当前物理表征数据；
判断所述目标当前物理表征数据的值是否大于或等于所述当前故障预警阈值，并在大于或等于所述目标故障预警阈值时，对所述目标设备进行故障预警。
4.根据权利要求1所述的故障预警方法，其特征在于，所述方法还包括：
获取所述目标设备在实验条件下对应获得的实验故障预警模型；
将所述当前环境参数输入至所述实验故障预警模型中以得到实验故障预警值；
根据所述当前故障预警阈值和所述当前物理表征数据对所述目标设备进行故障预警，包括：
根据所述当前故障预警值和实验故障预警值生成目标故障预警阈值；
根据所述目标故障预警阈值和所述当前物理表征数据对所述目标设备进行故障预警。
5.根据权利要求4所述的故障预警方法，其特征在于，根据所述当前故障预警值和实验故障预警值生成目标故障预警阈值，包括：
对所述当前故障预警值和实验故障预警值进行权重计算，并将权重计算结果作为所述目标故障预警阈值。
6.根据权利要求4所述的故障预警方法，其特征在于，在所述历史数据的组数小于所述预设阈值时，所述方法还包括：
将所述当前环境参数输入至所述实验故障预警模型中以得到实验故障预警阈值，并根据所述当前环境参数和所述实验故障预警阈值对所述目标设备进行故障预警。
7.根据权利要求6所述的故障预警方法，其特征在于，所述实验故障预警模型通过以下方式获得：
获取在实验条件下所述目标设备处于在不同实验环境参数情况下并出现故障前设定时长内的多组实验数据，其中，每组实验数据包括实验环境参数和实验物理表征数据；
从至少一种实验物理表征数据中确定一种目标实验物理表征数据；
根据每组所述实验数据中分别包括的实验环境参数和所述目标实验物理表征数据建立多组第二线性关系组，其中，每组第二线性关系组中包括的线性关系的数量与每组实验数据中包括的实验环境数据的数量相同；
对每组所述第二线性关系组进行求解以得到多组第二参数系数，根据所述多组第二参数系数生成一组第二目标参数系数；
根据所述第二目标参数系数得到所述实验物理表征数据与各所述实验环境数据之间的第二线性关系，并将该第二线性关系作为所述实验故障预警模型。
8.根据权利要求1所述的故障预警方法，其特征在于，从预设数据库中获取与目标设备的类型对应的多组历史数据，包括：
从预设数据库中获取与当前环境参数匹配且与目标设备的类型对应的历史数据。
9.一种存储介质，该存储介质存储有计算机程序，其特征在于，所述计算机程序被一个或多个处理器执行时实现如权利要求1-8中任意一项所述的故障预警方法。
10.一种电子设备，其特征在于，包括存储器和处理器，所述存储器上存储有计算机程序，该计算机程序被所述处理器执行时，执行如权利要求1-8中任意一项所述的故障预警方法。
CN202010953249.XA 2020-09-11 2020-09-11 故障预警方法、存储介质及电子设备 Active CN112185070B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010953249.XA CN112185070B (zh) 2020-09-11 2020-09-11 故障预警方法、存储介质及电子设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010953249.XA CN112185070B (zh) 2020-09-11 2020-09-11 故障预警方法、存储介质及电子设备

Publications (2)

Publication Number Publication Date
CN112185070A CN112185070A (zh) 2021-01-05
CN112185070B true CN112185070B (zh) 2021-12-17

Family

ID=73921807

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010953249.XA Active CN112185070B (zh) 2020-09-11 2020-09-11 故障预警方法、存储介质及电子设备

Country Status (1)

Country Link
CN (1) CN112185070B (zh)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112634593B (zh) * 2021-03-09 2021-11-05 深圳佳兆业科技集团有限公司 设备预警方法、装置、计算机设备和存储介质
CN113112064B (zh) * 2021-04-09 2023-10-31 浙江和达科技股份有限公司 供水管网渗透预警的方法、系统、电子设备和存储介质
CN114244681B (zh) * 2021-12-21 2023-08-01 深圳Tcl新技术有限公司 设备连接故障预警方法、装置、存储介质及电子设备
CN114330769A (zh) * 2021-12-24 2022-04-12 深圳优地科技有限公司 一种机器人故障预警方法、装置、机器人以及服务器
CN115933841B (zh) * 2022-12-23 2023-11-07 南方电网大数据服务有限公司 基于历史信息分析的液冷cdu预测系统

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107170182A (zh) * 2017-06-15 2017-09-15 深圳市泰和安科技有限公司 一种火灾探测方法、装置及设备
CN108518804A (zh) * 2018-03-21 2018-09-11 武汉物联远科技有限公司 一种机房温湿度环境预测方法及系统
CN110018389A (zh) * 2019-02-21 2019-07-16 国网山东省电力公司临沂供电公司 一种输电线路在线故障监测方法及系统
CN111046582A (zh) * 2019-12-27 2020-04-21 大亚湾核电运营管理有限责任公司 一种核电站柴油发电机组线圈温度预警方法及系统
CN111561772A (zh) * 2020-07-15 2020-08-21 上海有孚智数云创数字科技有限公司 基于数据分析的云计算数据中心精密空调节能控制方法

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8087823B2 (en) * 2008-08-18 2012-01-03 International Business Machines Corporation Method for monitoring thermal control
CN106476853B (zh) * 2016-09-18 2019-01-22 安徽德诺科技股份公司 一种城市轨道交通低压设备安全监控系统
CN108260073B (zh) * 2016-12-27 2021-02-09 光宝电子(广州)有限公司 闸道器、闸道器的安装方法以及物联网装置的安装方法
CN107819956A (zh) * 2017-11-22 2018-03-20 成都野望数码科技有限公司 终端温度控制方法和装置
CN110006552B (zh) * 2019-04-03 2020-07-14 中国水利水电科学研究院 一种机组设备温度异常检测方法
CN111400961B (zh) * 2020-02-17 2023-09-19 通标标准技术服务有限公司 风力发电机组叶片故障判断方法及装置
CN111339074B (zh) * 2020-02-24 2023-05-05 深圳市名通科技股份有限公司 阈值生成方法、装置、设备和存储介质

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107170182A (zh) * 2017-06-15 2017-09-15 深圳市泰和安科技有限公司 一种火灾探测方法、装置及设备
CN108518804A (zh) * 2018-03-21 2018-09-11 武汉物联远科技有限公司 一种机房温湿度环境预测方法及系统
CN110018389A (zh) * 2019-02-21 2019-07-16 国网山东省电力公司临沂供电公司 一种输电线路在线故障监测方法及系统
CN111046582A (zh) * 2019-12-27 2020-04-21 大亚湾核电运营管理有限责任公司 一种核电站柴油发电机组线圈温度预警方法及系统
CN111561772A (zh) * 2020-07-15 2020-08-21 上海有孚智数云创数字科技有限公司 基于数据分析的云计算数据中心精密空调节能控制方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
混凝土梁桥应变监测分级预警阈值设定研究;胡铁明等;《交通科技》;20181215(第06期);第1-4页 *

Also Published As

Publication number Publication date
CN112185070A (zh) 2021-01-05

Similar Documents

Publication Publication Date Title
CN112185070B (zh) 故障预警方法、存储介质及电子设备
US10585774B2 (en) Detection of misbehaving components for large scale distributed systems
CN107895038B (zh) 一种链路预测关系推荐方法及装置
CN111666187B (zh) 用于检测异常响应时间的方法和装置
CN111178645B (zh) 电力设备异常检测方法、装置、控制设备及存储介质
Al-Babtain et al. The Kumaraswamy-transmuted exponentiated modified Weibull distribution
CN109033513B (zh) 电力变压器故障诊断方法与电力变压器故障诊断装置
US8073652B2 (en) Method and system for pre-processing data using the mahalanobis distance (MD)
CN109144988B (zh) 一种异常数据的检测方法及装置
CN108696486A (zh) 一种异常操作行为检测处理方法及装置
US20200104233A1 (en) System operational analytics using normalized likelihood scores
CN114722091A (zh) 数据处理方法、装置、存储介质以及处理器
Mansour et al. A new transmuted additive Weibull distribution based on a new method for adding a parameter to a family of distributions
CN110009062B (zh) 分类模型训练方法及装置
US9923758B2 (en) Alert damage index
CN113946983A (zh) 产品可靠性薄弱环节评估方法、装置和计算机设备
CN112652351A (zh) 硬件状态检测方法、装置、计算机设备及存储介质
Lemeshko et al. Comparative analysis of the power of goodness-of-fit tests for near competing hypotheses. I. The verification of simple hypotheses
CN110825548B (zh) 异常检测方法、模型训练方法及相关装置
Hernandez Sums and Averages of Large Samples Using Standard Transformations: The Central Limit Theorem and the Law of Large Numbers
CN108664445B (zh) 一种温度计算方法及电子设备
CN114679335B (zh) 电力监控系统网络安全风险评估训练方法、评估方法及设备
Xiong et al. Time irreversibility and intrinsics revealing of series with complex network approach
Cavaliere et al. Testing for Unit Roots Under Multiple Possible Trend Breaks and Non‐Stationary Volatility Using Bootstrap Minimum Dickey–Fuller Statistics
Thongkairat et al. Maximum product spacings method for the estimation of parameters of linear regression

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant