CN113377564A - 故障诊断方法、装置、计算机设备和存储介质 - Google Patents

Abstract

本申请涉及一种故障诊断方法、装置、计算机设备和存储介质。所述方法包括：将设备实时运行参数与预设数据库中的故障案例进行比对，从而在预设数据库中筛选出与运行参数对应的第一故障信息；同时通过智能诊断模型识别运行参数对应的第二故障信息。通过两种诊断方式获取与设备运行参数对应的故障信息，并将两种故障信息进行根据，若仅依靠预设数据库筛选故障信息的诊断方式，在预设数据库中没有与运行参数对应的故障案例的情况下，无法给出故障诊断结果；由于智能诊断模型对于训练时的样本数据与检测时的运行数据要求处于同一工况下，从而导致若仅依靠智能诊断模型输出与运行参数对应的故障信息，输出的故障诊断结果准确性较低。

Description

故障诊断方法、装置、计算机设备和存储介质

技术领域

本申请涉及故障诊断技术领域，尤其涉及一种故障诊断方法、装置、计算机设备和存储介质。

背景技术

自动化设备是在无人干预的情况下按规定的程序或指令自动进行操作或控制的机器或装置。因此，自动化设备常应用于工业、农业、国防等技术领域。

自动化设备在运行过程中不可避免的会遇到各种故障，而设备操作人员只能处理部分常见易处理的故障，对于不常见的故障只能向设备的生产厂商寻求帮助，部分复杂故障需要生产厂商的技术人员到现场勘查和处理，等待生产厂商的技术人员进行故障检测的耗时较久，在等待期间自动化设备无法执行生产任务，进而严重影响了自动化设备的生产进度，在多处自动化设备需要生成厂商的人员进行故障检测的情况下，需要耗费较多的人力。

发明内容

为了解决现有技术中人为进行故障检测导致效率低、耗时久的技术问题，本申请提供了一种故障诊断方法、装置、计算机设备和存储介质。

第一方面，本申请提供了一种故障诊断方法，包括：

获取设备的当前运行参数；

在预设数据库中查找与所述当前运行参数相匹配的第一故障信息，基于预先已训练完成的智能诊断模型得到与所述当前运行参数对应的第二故障信息，其中，所述预设数据库包括异常运行参数与故障信息之间的映射关系，所述第一故障信息包括所述预设数据库中与所述当前运行参数相匹配的异常运行参数对应的故障信息，所述第二故障信息包括所述智能诊断模型输出的故障信息；

根据所述第一故障信息与所述第二故障信息，得到所述设备的故障诊断结果。

可选地，所述根据所述第一故障信息与所述第二故障信息，得到故障诊断结果，包括：

在所述第一故障信息中存在有效信息的情况下，将所述第一故障信息与所述第二故障信息进行对比，得到匹配度，其中，所述有效信息包括第一故障部位的故障部位信息、所述第一故障部位对应的故障原因以及所述故障原因对应的初始概率；

根据所述第一故障信息和所述匹配度，生成所述故障诊断结果。

可选地，所述故障诊断结果包括第一故障部位、第二故障部位、第一故障部位对应的故障原因以及故障原因的发生率，所述根据所述第一故障信息和所述匹配度，得到所述故障诊断结果，包括：

将所述匹配度与所述第一故障信息中故障原因对应的初始概率进行加权求和，得到所述第一故障部位对应的故障原因的发生率。

可选地，所述根据所述第一故障信息与所述第二故障信息，得到故障诊断结果，包括：

在所述第一故障信息中不存在有效信息的情况下，将所述第二故障信息中的第二故障部位作为所述故障诊断结果。

可选地，所述将所述第二故障信息中的第二故障部位作为所述故障诊断结果之后，所述方法还包括：

根据所述当前运行参数和所述第二故障部位，更新所述预设数据库中异常运行参数与故障信息之间的映射关系。

可选地，在预设数据库中查找与所述当前运行参数相匹配的第一故障信息，包括：

在预设数据库中，确定与所述当前运行参数相匹配的目标运行参数；

根据所述异常运行参数与故障信息之间的映射关系，确定与所述目标运行参数存在映射关系的故障信息为所述第一故障信息，其中，所述第一故障信息包括表示所述第一故障部位的部位信息、所述第一故障部位对应的故障原因及所述故障原因对应的初始概率。

可选地，所述第二故障信息包括第二故障部位，所述基于预先已训练完成的智能诊断模型确定与所述当前运行参数对应的第二故障信息，包括：

确定所述当前运行参数相对于各个故障部位的似然度；

在多个所述似然度中，将似然度大于阈值的故障部位作为所述第二故障部位。

第二方面，本申请提供了一种故障诊断装置，包括：

获取模块，用于获取设备的当前运行参数；

诊断模块，用于在预设数据库中查找与所述当前运行参数相匹配的第一故障信息，基于预先已训练完成的智能诊断模型确定与所述当前运行参数对应的第二故障信息，其中，所述预设数据库中包括异常运行参数与故障信息之间的映射关系，所述第一故障信息为所述预设数据库中与所述当前运行参数相匹配的异常运行参数对应的故障信息，所述第二故障信息用于指示所述智能诊断模型输出的故障信息；

根据模块，用于根据所述第一故障信息与所述第二故障信息，得到所述设备的故障诊断结果。

一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现以下步骤：

获取设备的当前运行参数；

在预设数据库中查找与所述当前运行参数相匹配的第一故障信息，基于预先已训练完成的智能诊断模型确定与所述当前运行参数对应的第二故障信息，其中，所述预设数据库中包括异常运行参数与故障信息之间的映射关系，所述第一故障信息为所述预设数据库中与所述当前运行参数相匹配的异常运行参数对应的故障信息，所述第二故障信息用于指示所述智能诊断模型输出的故障信息；

根据所述第一故障信息与所述第二故障信息，得到所述设备的故障诊断结果。

一种计算机可读存储介质，其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以下步骤：

获取设备的当前运行参数；

在预设数据库中查找与所述当前运行参数相匹配的第一故障信息，基于预先已训练完成的智能诊断模型确定与所述当前运行参数对应的第二故障信息，其中，所述预设数据库中包括异常运行参数与故障信息之间的映射关系，所述第一故障信息为所述预设数据库中与所述当前运行参数相匹配的异常运行参数对应的故障信息，所述第二故障信息用于指示所述智能诊断模型输出的故障信息；

根据所述第一故障信息与所述第二故障信息，得到所述设备的故障诊断结果。

基于上述故障诊断方法，一方面将设备实时运行参数与预设数据库中的故障案例进行比对，从而在预设数据库中筛选出与运行参数对应的第一故障信息；同时另一方面通过智能诊断模型识别运行参数对应的第二故障信息。通过两种诊断方式获取与设备运行参数对应的故障信息，并将两种故障信息进行根据，若仅依靠预设数据库筛选故障信息的诊断方式，在预设数据库中没有与运行参数对应的故障案例的情况下，无法给出故障诊断结果；由于智能诊断模型对于训练时的样本数据与检测时的运行数据要求处于同一工况下，从而导致若仅依靠智能诊断模型输出与运行参数对应的故障信息，输出的故障诊断结果准确性较低。

因此本申请中将两种诊断方式相结合，根据两种诊断方式得到的诊断结果，从而提高了故障诊断结果的准确度，避免单一诊断方式无法得到诊断结果，相较于传统人为进行故障诊断提高了诊断效率、缩短了耗时。

附图说明

此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本发明的实施例，并与说明书一起用于解释本发明的原理。

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，对于本领域普通技术人员而言，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1为一个实施例中故障诊断方法的应用环境图；

图2为一个实施例中故障诊断方法的流程示意图；

图3为一个实施例中故障诊断结果示意图；

图4为一个实施例中故障诊断结果示意图；

图5为一个实施例中故障诊断装置的结构框图；

图6为一个实施例中计算机设备的内部结构图。

具体实施方式

为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请的一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本申请保护的范围。

图1为一个实施例中故障诊断方法的应用环境图。参照图1，该故障诊断方法应用于故障诊断系统。该故障诊断系统包括自动化设备110和服务器120。自动化设备110上设有检测传感器，检测传感器用于检测自动化设备的运行参数，检测传感器具体可以为但不仅限于旋转编码器、霍尔传感器、旋转变压器、感应同步器、光栅位移传感器、磁栅位移传感器。自动化设备110具体可以为数控机床、铣床、镗床、钻床、刨床、磨床、电火花、淬火设备、精加工一体机等凡是以机器的动作代替人的动作来完成产品的加工、组装、测试的设备。

检测传感器通过网络将检测到的运行参数发送至服务器120，服务器120根据运行参数判断自动化设备110是否出现故障，并在自动化设备110出现故障的情况下，及时得出故障诊断结果，便于技工及时根据故障诊断结果排查解除故障危机，缩短了故障诊断流程，避免严重影响自动化设备110的生产进度。

在一个实施例中，图2为一个实施例中一种故障诊断方法的流程示意图，参照图2，提供了一种故障诊断方法。本实施例主要以该方法应用于上述图1中的服务器120来举例说明，该故障诊断方法具体包括如下步骤：

步骤S210，获取设备的当前运行参数。

在本实施例中，设备是指自动化设备，当前运行参数包括自动化设备上所有检测传感器检测到的运行参数，运行参数包括位置、直线位移、角位移、速度、压力和温度等。

步骤S220，在预设数据库中查找与所述当前运行参数相匹配的第一故障信息，基于预先已训练完成的智能诊断模型确定与所述当前运行参数对应的第二故障信息，其中，所述预设数据库中包括异常运行参数与故障信息之间的映射关系，所述第一故障信息为所述预设数据库中与所述当前运行参数相匹配的异常运行参数对应的故障信息，所述第二故障信息用于指示所述智能诊断模型输出的故障信息。

在本实施例中，预设数据库为存有故障案例的数据库，故障案例包括异常运行参数和对应的故障信息，故障信息包括异常运行参数对应的故障部位、故障部位对应的故障原因、故障原因对应的初始概率，即预设数据库中包括异常运行参数、故障部位、故障原因三者之间的映射关系，所述第一故障信息为预设数据库中与当前运行参数相匹配的异常运行参数对应的故障信息。

智能诊断模型为基于预设数据库中的故障案例提前训练完成的神经网络模型，当前运行参数作为输入参数输入至智能诊断模型中，智能诊断模型根据当前运行参数自动识别对应的第二故障信息。

步骤S230，根据所述第一故障信息与所述第二故障信息，得到所述设备的故障诊断结果。

在本实施例中，由于诊断方式不同，所以第一故障信息与第二故障信息之间存在差异，即预设数据库输出的诊断结果与智能诊断模型输出的诊断结果不同，综合两种诊断方式输出的诊断结果，从而得到准确的故障诊断结果。

整合方式包括按照预设加权方案对第一故障信息和第二故障信息分别进行加权处理，从而得到第一故障信息和第二故障信息分别对应的发生率，将第一故障信息、第二故障信息以及各自对应的发生率发送至显示屏进行展示，在显示屏依照发生率的降序顺序展示故障信息，便于技工依照发生率优先排查发生率高的故障信息，从而节省了故障排除时间。

在一个实施例中，所述根据所述第一故障信息与所述第二故障信息，得到故障诊断结果，包括：在所述第一故障信息中存在有效信息的情况下，将所述第一故障信息与所述第二故障信息进行对比，得到匹配度，其中，所述有效信息包括第一故障部位的故障部位信息、所述第一故障部位对应的故障原因以及所述故障原因对应的初始概率；根据所述第一故障信息和所述匹配度，生成所述故障诊断结果。

在本实施例中，第一故障信息中存在有效信息，表示在预设数据库中查找到与当前运行参数相匹配的故障案例。整合方式还包括根据第一故障信息与第二故障信息之间的匹配度，矫正基于智能诊断模型输出的第二故障信息，以及根据第一故障信息与第二故障信息的匹配度，矫正基于预设数据库得到的第一故障信息。但由于基于预设数据库输出的诊断结果准确度较高，因此，采用根据匹配度矫正基于预设数据库得到的第一故障信息的整合方式，即第一故障信息作为辅助信息，对基于预设数据库输出的第二故障信息进行矫正，进一步提高诊断结果的准确度。

在一个具体实施例中，所述将所述第一故障信息与所述第二故障信息进行对比，得到匹配度，包括：将所述第一故障信息中的第一故障部位与所述第二故障信息中的第二故障部位进行比对，得到所述匹配度，此处，匹配度在第一故障部位与第二故障部位为相同部位的情况下为第一数值，匹配度在第一故障部位与第二故障部位为不同部位的情况下为第二数值，第一数值和第二数值为任意不相等的数值。

在本实施例中，由于智能诊断模型对于训练时的样本数据与检测时的运行数据要求处于同一工况下，智能诊断模型的适用性不强，若仅依靠智能诊断模型输出与运行参数对应的故障信息，输出的故障诊断结果准确性较低，导致故障诊断系统可靠性不高，因此，在本实施例中为了提高智能诊断模型的适用性，使智能诊断模型仅根据运行参数确定对应的故障部位，无需得到故障原因，即智能诊断模型为基于分类算法训练得到的神经网络模型，分类算法具体可以为但不仅限于KNN算法、朴素贝叶斯算法和Adaboost算法。

第一故障信息包括多个故障部位、各个故障部位对应的故障原因、各个故障原因对应的初始概率，其中，每个故障部位对应一个故障原因，各个故障部位对应的故障原因可能相同可能不同，每个故障原因对应一个初始概率，初始概率由故障原因的发生概率、紧急程度和默认权重所构成，初始概率具体可以为发生概率、紧急程度和默认权重的数值乘积，或者为发生概率、紧急程度和默认权重的数值之和。

将第一故障信息中的每个第一故障部位与第二故障信息中的第二故障部位进行比对，都会得到一个匹配度，即每个第一故障部位对应一个匹配度，在第一故障部位与第二故障部位相匹配的情况下，得到第一数值；在第一故障部位与第二故障部位不匹配的情况下，得到第二数值。其中，第一数值和第二数值分别对应一个数值，例如，第一数值为1，第二数值为0，将匹配度的数值参与后续的加权计算。

例如，第一故障信息中包括三个第一故障部位，三个第一故障部位分别为A部位、B部位、C部位，每个第一故障部位对应一个故障原因，而第二故障信息中包括一个第二故障部位，第二故障部位记为D部位，则依次判断第二故障信息中是否存在与A部位、B部位、C部位相同的故障部位，若第二故障信息中的D部位与A部位相同，则得到第一数值1；若第二故障信息中不存在与B部位相同的故障部位，则得到第二数值0；若第二故障信息中不存在与C部位相同的故障部位，则得到第二数值0。每个第一故障部位都会得到一个相对于第二故障部位的匹配度。

在一个实施例中，所述故障诊断结果包括第一故障部位、第二故障部位、第一故障部位对应的故障原因以及故障原因的发生率，所述根据所述第一故障信息和所述匹配度，得到所述故障诊断结果，包括：将所述匹配度与所述第一故障信息中故障原因对应的初始概率进行加权求和，得到所述第一故障部位对应的故障原因的发生率。

在本实施例中，按照预设加权方案对匹配度和第一故障信息中故障原因对应的初始概率进行加权处理，其中，预设加权方案包括按照第一预设权重对匹配度进行加权，按照第二预设权重对第一故障信息中故障原因对应的初始概率进行加权，第一预设权重和第二预设权重可根据实际情况自定义，例如，第一预设权重为0.4，第二预设权重为0.6，匹配度为第一数值1，故障原因对应的初始概率为0.8，根据匹配度辅助调节第一故障信息，将所述匹配度的数值与所述第一故障信息中故障原因对应的初始概率，进行加权求和的结果为0.4*1+0.6*0.8＝0.88，即第一故障信息中该故障原因最终对应的发生率为0.88，第一故障信息中每个第一故障部位对应的故障原因都按照上述方法得到对应的发生率，将第一故障信息中所有故障原因对应的发生率降序排列，即可得到故障诊断结果，参照图3，其中，故障诊断结果中还包括故障原因对应的故障解决方案，在得到故障诊断结果的同时生成报警信号，便于及时提醒维修人员设备存在故障，故障诊断结果可引导维修人员从发生率高的故障原因开始排查，从而节省了故障排除时间。

在第二故障部位与第一故障信息中的第一故障部位不匹配的情况下，仍然依照上述方式计算第一故障信息中各个故障原因对应的发生率，将第一故障信息中所有故障原因对应的发生率降序排列，在各个故障原因之后依次排列第二故障信息中的各个故障部位，为维修人员提供两种诊断方式得到的诊断结果，帮助维修人员更全面的了解故障可能原因。

在一个实施例中，所述根据所述第一故障信息与所述第二故障信息，得到故障诊断结果，包括：在所述第一故障信息中不存在有效信息的情况下，将所述第二故障信息中的第二故障部位作为所述故障诊断结果。所述将所述匹配度的数值与所述第一故障信息中故障原因对应的初始概率进行加权求和，得到所述故障诊断结果之后，所述方法还包括：根据所述故障诊断结果更新所述预设数据库中异常运行参数与故障信息之间的映射关系。

在本实施例中，参照图4，第一故障信息中不存在有效信息，表示在预设数据库中不存在与当前运行参数相匹配的故障案例，但根据智能诊断模型输出与当前运行参数对应的故障部位的情况下，此时得到的故障诊断结果仅包括智能诊断模型输出的故障部位，维修人员根据故障部位进行排查结束后，将故障诊断结果对应的排查结果上传至预设数据库中，排查结果包括故障部位对应的故障原因、故障原因对应的初始概率以及故障解决方案，根据故障诊断结果对应的排查结果建立新的异常运行参数、故障部位、故障原因、故障解决方案之间的映射关系，即更新预设数据库中异常运行参数与故障信息之间的映射关系，扩充预设数据库中的故障案例，以提高故障诊断系统的适用性。

在预设数据库中存在与当前运行参数相匹配的故障案例的情况下，按照上述实施例根据匹配度与第一故障信息中故障原因对应的初始概率，得到该故障原因对应的发生率，将所述预设数据库中与所述故障诊断结果中故障原因对应的权重值，由初始概率值更新为发生率对应的数值，以此迭代更新预设数据库中各个故障原因对应的权重，提高后续故障诊断的准确性。

在一个实施例中，在预设数据库中查找与所述当前运行参数相匹配的第一故障信息，包括：在预设数据库中，确定与所述当前运行参数相匹配的目标运行参数；根据所述异常运行参数与故障信息之间的映射关系，确定与所述目标运行参数存在映射关系的故障信息为第一故障信息，其中，所述第一故障信息包括表示第一故障部位的部位信息、第一故障部位对应的故障原因、故障原因对应的初始概率。

在本实施例中，预设数据库包括多个异常运行参数，每个异常运行参数对应一个数值范围，目标运行参数为预设数据库中与当前运行参数相匹配的异常运行参数，即当前运行参数位于目标运行参数对应的数值范围内，每个异常运行参数对应一个故障部位，各个异常运行参数对应的故障部位可以相同或不同，每个故障部位对应一个故障原因，各个故障部位对应的故障原因也可以相同或不同，每个故障原因对应一个权重，且每个故障原因对应一个故障解决方案，各个故障原因对应的故障解决方案可能相同或不同，也就是说预设数据库中包括异常运行参数、故障部位、故障原因、故障解决方案之间的映射关系，根据异常运行参数即可根据映射关系确定对应的故障部位和故障原因。

在一个实施例中，所述第二故障信息包括第二故障部位，所述基于预先已训练完成的智能诊断模型确定与所述当前运行参数对应的第二故障信息，包括：确定所述当前运行参数相对于各个故障部位的似然度；在多个所述似然度中，将似然度大于阈值的故障部位作为所述第二故障部位。

在本实施例中，确定当前运行参数相对于各个故障部位的似然度，即计算当前运行参数属于各个故障部位的概率，根据当前运行参数与各个故障部位之间的似然度，将当前运行参数进行分类，似然度越大，表示当前运行参数指向该故障部位的概率越高，将似然度满足阈值要求的故障部位作为第二故障部位，从而解决根据当前运行参数确定故障部位的分类问题。

图2为一个实施例中故障诊断方法的流程示意图。应该理解的是，虽然图2的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，图2中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些子步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。

在一个实施例中，如图5所示，提供了一种故障诊断装置，包括：

获取模块310，用于获取设备的当前运行参数；

诊断模块320，用于在预设数据库中查找与所述当前运行参数相匹配的第一故障信息，基于预先已训练完成的智能诊断模型确定与所述当前运行参数对应的第二故障信息，其中，所述预设数据库中包括异常运行参数与故障信息之间的映射关系，所述第一故障信息为所述预设数据库中与所述当前运行参数相匹配的异常运行参数对应的故障信息，所述第二故障信息用于指示所述智能诊断模型输出的故障信息；

根据模块330，用于根据所述第一故障信息与所述第二故障信息，得到所述设备的故障诊断结果。

在一个实施例中，所述根据模块330还用于：

将所述第一故障信息与所述第二故障信息进行对比，得到匹配度；

根据所述第一故障信息和所述匹配度，生成所述故障诊断结果。

在一个实施例中，所述根据模块330还用于：

将所述第一故障信息中的第一故障部位与所述第二故障信息中的第二故障部位进行比对，得到所述匹配度，其中，所述匹配度为第一数值或第二数值，所述第一数值用于指示所述第一故障部位与所述第二故障部位相匹配，所述第二数值用于指示所述第一故障部位与所述第二故障部位不匹配。

在一个实施例中，所述根据模块330还用于：

将所述匹配度的数值与所述第一故障信息中故障原因对应的初始概率进行加权求和，得到所述故障诊断结果，其中，所述故障诊断结果包括故障部位信息、故障部位对应的故障原因以及故障原因的发生率。

在一个实施例中，所述装置还包括更新模块，所述更新模块用于：

根据所述故障诊断结果更新所述预设数据库中异常运行参数与故障信息之间的映射关系。

在一个实施例中，所述诊断模块320还用于：

在预设数据库中，确定与所述当前运行参数相匹配的目标运行参数；

根据所述异常运行参数与故障信息之间的映射关系，确定与所述目标运行参数存在映射关系的故障信息为第一故障信息，其中，所述第一故障信息包括表示第一故障部位的部位信息、第一故障部位对应的故障原因、故障原因对应的初始概率。

在一个实施例中，所述诊断模块320还用于：

确定所述当前运行参数相对于各个故障部位的似然度；

在多个所述似然度中，将似然度大于阈值的故障部位作为所述第二故障部位。

图6示出了一个实施例中计算机设备的内部结构图。该计算机设备具体可以是图1中的服务器120。如图6所示，该计算机设备包括该计算机设备包括通过系统总线连接的处理器、存储器、网络接口、输入装置和显示屏。其中，存储器包括非易失性存储介质和内存储器。该计算机设备的非易失性存储介质存储有操作系统，还可存储有计算机程序，该计算机程序被处理器执行时，可使得处理器实现故障诊断方法。该内存储器中也可储存有计算机程序，该计算机程序被处理器执行时，可使得处理器执行故障诊断方法。计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏，计算机设备的输入装置可以是显示屏上覆盖的触摸层，也可以是计算机设备外壳上设置的按键、轨迹球或触控板，还可以是外接的键盘、触控板或鼠标等。

本领域技术人员可以理解，图6中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。

在一个实施例中，本申请提供的故障诊断装置可以实现为一种计算机程序的形式，计算机程序可在如图6所示的计算机设备上运行。计算机设备的存储器中可存储组成该故障诊断装置的各个程序模块，比如，图5所示的获取模块310、诊断模块320和根据模块330。各个程序模块构成的计算机程序使得处理器执行本说明书中描述的本申请各个实施例的故障诊断方法中的步骤。

图6所示的计算机设备可以通过如图5所示的故障诊断装置中的获取模块310执行获取设备的当前运行参数。计算机设备可通过诊断模块320执行在预设数据库中查找与所述当前运行参数相匹配的第一故障信息，基于预先已训练完成的智能诊断模型确定与所述当前运行参数对应的第二故障信息，其中，所述预设数据库中包括异常运行参数与故障信息之间的映射关系，所述第一故障信息为所述预设数据库中与所述当前运行参数相匹配的异常运行参数对应的故障信息，所述第二故障信息用于指示所述智能诊断模型输出的故障信息。计算机设备可通过根据模块330执行根据所述第一故障信息与所述第二故障信息，得到所述设备的故障诊断结果。

在一个实施例中，提供了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行计算机程序时实现上述任一项实施例所述的方法。

在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现上述任一项实施例所述的方法。

本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指示相关的硬件来完成，所述的程序可存储于一非易失性计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双倍速率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。

需要说明的是，在本文中，诸如“第一”和“第二”等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。

以上所述仅是本发明的具体实施方式，使本领域技术人员能够理解或实现本发明。对这些实施例的多种修改对本领域的技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所申请的原理和新颖特点相一致的最宽的范围。

Claims (10)

1.一种故障诊断方法，其特征在于，所述方法包括：

获取设备的当前运行参数；

在预设数据库中查找与所述当前运行参数相匹配的第一故障信息，基于预先已训练完成的智能诊断模型得到与所述当前运行参数对应的第二故障信息，其中，所述预设数据库包括异常运行参数与故障信息之间的映射关系，所述第一故障信息包括所述预设数据库中与所述当前运行参数相匹配的异常运行参数对应的故障信息，所述第二故障信息包括所述智能诊断模型输出的故障信息；

根据所述第一故障信息与所述第二故障信息，得到所述设备的故障诊断结果。

2.根据权利要求1所述的方法，其特征在于，所述根据所述第一故障信息与所述第二故障信息，得到故障诊断结果，包括：

在所述第一故障信息中存在有效信息的情况下，将所述第一故障信息与所述第二故障信息进行对比，得到匹配度，其中，所述有效信息包括第一故障部位的故障部位信息、所述第一故障部位对应的故障原因以及所述故障原因对应的初始概率；

根据所述第一故障信息和所述匹配度，生成所述故障诊断结果。

3.根据权利要求2所述的方法，其特征在于，所述故障诊断结果包括第一故障部位、第二故障部位、第一故障部位对应的故障原因以及故障原因的发生率，所述根据所述第一故障信息和所述匹配度，得到所述故障诊断结果，包括：

将所述匹配度与所述第一故障信息中故障原因对应的初始概率进行加权求和，得到所述第一故障部位对应的故障原因的发生率。

4.根据权利要求1所述的方法，其特征在于，所述根据所述第一故障信息与所述第二故障信息，得到故障诊断结果，包括：

在所述第一故障信息中不存在有效信息的情况下，将所述第二故障信息中的第二故障部位作为所述故障诊断结果。

5.根据权利要求4所述的方法，其特征在于，所述将所述第二故障信息中的第二故障部位作为所述故障诊断结果之后，所述方法还包括：

根据所述当前运行参数和所述第二故障部位，更新所述预设数据库中异常运行参数与故障信息之间的映射关系。

6.根据权利要求1所述的方法，其特征在于，在预设数据库中查找与所述当前运行参数相匹配的第一故障信息，包括：

在预设数据库中，确定与所述当前运行参数相匹配的目标运行参数；

根据所述异常运行参数与故障信息之间的映射关系，确定与所述目标运行参数存在映射关系的故障信息为所述第一故障信息，其中，所述第一故障信息包括表示所述第一故障部位的部位信息、所述第一故障部位对应的故障原因及所述故障原因对应的初始概率。

7.根据权利要求1所述的方法，其特征在于，所述第二故障信息包括第二故障部位，所述基于预先已训练完成的智能诊断模型确定与所述当前运行参数对应的第二故障信息，包括：

确定所述当前运行参数相对于各个故障部位的似然度；

在多个所述似然度中，将似然度大于阈值的故障部位作为所述第二故障部位。

8.一种故障诊断装置，其特征在于，所述装置包括：

获取模块，用于获取设备的当前运行参数；

诊断模块，用于在预设数据库中查找与所述当前运行参数相匹配的第一故障信息，基于预先已训练完成的智能诊断模型确定与所述当前运行参数对应的第二故障信息，其中，所述预设数据库中包括异常运行参数与故障信息之间的映射关系，所述第一故障信息为所述预设数据库中与所述当前运行参数相匹配的异常运行参数对应的故障信息，所述第二故障信息用于指示所述智能诊断模型输出的故障信息；

根据模块，用于根据所述第一故障信息与所述第二故障信息，得到所述设备的故障诊断结果。

9.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述方法的步骤。

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述方法的步骤。

Images