CN114460918B - 设备的检测方法、装置、设备和存储介质 - Google Patents
设备的检测方法、装置、设备和存储介质 Download PDFInfo
- Publication number
- CN114460918B CN114460918B CN202111657118.8A CN202111657118A CN114460918B CN 114460918 B CN114460918 B CN 114460918B CN 202111657118 A CN202111657118 A CN 202111657118A CN 114460918 B CN114460918 B CN 114460918B
- Authority
- CN
- China
- Prior art keywords
- target
- sub
- detected
- equipment
- running
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 34
- 230000002159 abnormal effect Effects 0.000 claims description 30
- 230000015654 memory Effects 0.000 claims description 16
- 238000004590 computer program Methods 0.000 claims description 8
- 238000001514 detection method Methods 0.000 abstract description 35
- 230000006870 function Effects 0.000 description 15
- 238000012549 training Methods 0.000 description 8
- 230000003287 optical effect Effects 0.000 description 6
- 238000012545 processing Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 238000012423 maintenance Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 239000013307 optical fiber Substances 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 238000013024 troubleshooting Methods 0.000 description 2
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000007787 long-term memory Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 238000001208 nuclear magnetic resonance pulse sequence Methods 0.000 description 1
- 238000007637 random forest analysis Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000006403 short-term memory Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B23/00—Testing or monitoring of control systems or parts thereof
- G05B23/02—Electric testing or monitoring
- G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
- G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
- G05B23/0243—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults model based detection method, e.g. first-principles knowledge model
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B2219/00—Program-control systems
- G05B2219/20—Pc systems
- G05B2219/24—Pc safety
- G05B2219/24065—Real time diagnostics
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Testing And Monitoring For Control Systems (AREA)
Abstract
本公开涉及一种设备的检测方法、装置、设备和存储介质。该方法包括:获取待检测设备的多个目标运行参数;将所述多个目标运行参数输入至目标模型,得到所述待检测设备的目标运行状态信息,所述目标运行状态信息中包括目标运行状态和故障位置信息。该方法能够提升设备的检测效率。
Description
技术领域
本公开涉及检测技术领域,尤其涉及一种设备的检测方法、装置、设备和存储介质。
背景技术
目前,为了检测工业设备的运行状态,需要对工业设备的状态参数进行分析和检测,通常情况下,由经验丰富的设备运维人员进入现场,实地对设备的状态参数逐一进行检测和计算,从而确定工业设备的运行状态。
然而,采用上述方法,人工检测所需的时间相对较长,导致设备运行状态的检测效率较低。
发明内容
本公开提供了一种设备的检测方法、装置、设备和存储介质方法,能够提升设备的检测效率。
第一方面,本公开提供了一种设备的检测方法,包括:
获取待检测设备的多个目标运行参数;
将所述多个目标运行参数输入至目标模型,得到所述待检测设备的目标运行状态信息,所述目标运行状态信息中包括目标运行状态和故障位置信息。
可选的,所述将所述多个目标运行参数输入至目标模型,得到所述待检测设备的目标运行状态信息,包括:
将所述多个目标运行参数输入至所述目标模型,得到多个子目标运行状态,所述待检测设备的每一个所述子目标运行状态由对应的目标运行参数确定;
根据所述待检测设备的所述多个子目标运行状态,确定所述待检测设备的所述目标运行状态;
若所述目标运行状态为非正常运行,根据所有非正常运行的子目标运行状态各自携带的位置标识,确定所述待检测设备的所述故障位置信息。
可选的,所述将所述多个目标运行参数输入至所述目标模型,得到多个子目标运行状态,包括:
将所述多个目标运行参数输入至所述目标模型,基于每个目标运行参数的参数标识,调用对应的子目标模型,所述参数标识与所述子目标模型一一对应;
基于各子目标模型,针对各目标运行参数,得到对应的所述子目标运行状态。
可选的,所述将所述多个目标运行参数输入至所述目标模型,得到多个子目标运行状态,包括:
将所述多个目标运行参数分别输入至多个目标模型,基于每个目标模型,得到每个目标运行参数对应的所述子目标运行状态,所述多个目标运行参数的属性与所述多个目标模型一一对应。
可选的,所述根据所述待检测设备的所述多个子目标运行状态,确定所述待检测设备的所述目标运行状态包括:
若所述多个子目标运行状态均为正常运行,确定所述目标运行状态为正常运行;
若所述多个子目标运行状态中至少有一个子目标运行状态为非正常运行,确定所述目标运行状态为非正常运行。
可选的,所述方法,还包括:
将所述目标运行状态信息远程发送至移动终端。
可选的,所述将所述多个目标运行参数输入至目标模型,得到所述待检测设备的目标运行状态信息之前,还包括:
将所述待检测设备在正常运行状态下的多个运行参数作为输入样本输入至初始模型,得到输出样本;
根据所述输出样本和预设运行状态,调整所述初始模型的参数,返回执行所述将所述待检测设备在正常运行状态下的多个运行参数作为输入样本输入至初始模型,得到输出样本,直至满足预设条件,确定所述初始模型为所述目标模型。
第二方面,本公开提供了一种设备的检测装置,包括:
获取模块,用于获取待检测设备的多个目标运行参数;
确定模块,用于将所述多个目标运行参数输入至目标模型,得到所述待检测设备的目标运行状态信息,所述目标运行状态信息中包括目标运行状态和故障位置信息。
第三方面,本公开提供了一种电子设备,包括:处理器,所述处理器用于执行存储于存储器的计算机程序,所述计算机程序被处理器执行时实现第一方面提供的任一种方法的步骤。
第四方面,本公开提供了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第一方面提供的任一种方法的步骤。
本公开提供的技术方案中,通过获取待检测设备的多个目标运行参数;将多个目标运行参数输入至目标模型,得到待检测设备的目标运行状态信息,目标运行状态信息中包括目标运行状态和故障位置信息,如此,可以基于设备当前的运行参数自动检测设备当前的运行状态,无需人工操作,能够提升设备的检测效率;另外,还可以自动获取待检测设备的故障位置,无需人工排查故障位置,能够进一步提升设备的检测效率。
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,示出了符合本公开的实施例,并与说明书一起用于解释本公开的原理。
为了更清楚地说明本公开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为本公开提供的一种设备的检测方法的流程示意图;
图2为本公开提供的另一种设备的检测方法的流程示意图;
图3为本公开提供的又一种设备的检测方法的流程示意图;
图4为本公开提供的又一种设备的检测方法的流程示意图;
图5为本公开提供的又一种设备的检测方法的流程示意图;
图6为本公开提供的又一种设备的检测方法的流程示意图;
图7为本公开提供的又一种设备的检测方法的流程示意图;
图8为本公开提供的一种设备的检测装置的结构示意图。
图9本公开提供的一种电子设备的结构示意图。
具体实施方式
为了能够更清楚地理解本公开的上述目的、特征和优点,下面将对本公开的方案进行进一步描述。需要说明的是,在不冲突的情况下,本公开的实施例及实施例中的特征可以相互组合。
在下面的描述中阐述了很多具体细节以便于充分理解本公开,但本公开还可以采用其他不同于在此描述的方式来实施;显然,说明书中的实施例只是本公开的一部分实施例,而不是全部的实施例。
以下通过几个具体的实施例,对本公开的技术方案进行详细的解释说明。
图1为本公开提供的一种设备的检测方法的流程示意图,如图1所示,包括:
S101,获取待检测设备的多个目标运行参数。
待检测设备可以包括多个器件,每个器件输出的运行参数可以是多个也可以是一个,若同一器件输出不同运行参数,该器件不同的运行参数用于反映该器件不同的功能属性;若不同器件输出相同的运行参数,则不同器件的同一运行参数用于反映不同器件的同一功能属性;若不同器件输出不同的运行参数,则不同器件的不同运行参数用于反映不同器件的不同功能属性。
例如,待检测设备包括摄像头和传感器,摄像头输出运行参数A1和运行参数A2,其中,运行参数A1用于反映摄像头的图像采集功能是否正常运行,运行参数A2用于反映摄像头的数据处理功能是否正常运行。传感器输出运行参数A2和运行参数A3,其中,运行参数A2用于反映传感器的数据处理功能是否正常运行,运行参数A3用于反映传感器的数据输出功能是否正常运行。
待检测设备的多个目标运行参数包括上述所述的所有器件输出的所有运行参数,若需要检测待检测设备当前的运行状态,首先需要获取待检测设备当前运行状态下的多个目标运行参数。这里的运行参数可以是电压、电流和压力中的至少一种,或可以是电压序列、电流序列、压力序列和脉冲序列中的至少一种,本实施例对此不作具体限制。
S103,将所述多个目标运行参数输入至目标模型,得到所述待检测设备的目标运行状态信息。
所述目标运行状态信息中包括目标运行状态和故障位置信息。
目标模型可以是岭回归模型、对数几率回归模型、随机森林模型、长短期记忆模型以及神经网络模型等。将多个目标运行参数输入至目标模型,针对当前运行状态下的多个运行参数,目标模型可以输出待检测设备当前的运行状态是否为正常运行。若待检测设备当前的运行状态为正常运行,则认为待检测设备中的所有器件的所有功能属性均正常运行;若待检测设备当前的运行状态为非正常运行,则认为待检测设备中的所有器件的所有功能属性中至少有一个为非正常运行。此外,在待检测设备当前的运行状态为非正常运行的情况下,基于目标模型,可以确定出待检测设备的故障位置信息。
例如,基于上述实施例,待检测设备当前的多个目标运行参数,分别是运行参数A1、运行参数A2、运行参数A2和运行参数A3,基于运行参数A1、运行参数A2、运行参数A2和运行参数A3,可以确定待检测设备当前的运行状态为正常运行;或者,可以确定待检测设备当前的运行状态为非正常运行,并确定出待检测设备的故障位置信息。
本实施例中,通过获取待检测设备的多个目标运行参数;将多个目标运行参数输入至目标模型,得到待检测设备的目标运行状态信息,目标运行状态信息中包括目标运行状态和故障位置信息,如此,可以基于设备当前的运行参数自动检测设备当前的运行状态,无需人工操作,能够提升设备的检测效率;另外,还可以自动获取待检测设备的故障位置,无需人工排查故障位置,能够进一步提升设备的检测效率。
图2为本公开提供的另一种设备的检测方法的流程示意图,图2为图1所示实施例的基础上,执行是103时的一种可能的实现方式的具体描述,如下:
S1031,将所述多个目标运行参数输入至所述目标模型,得到多个子目标运行状态。
所述待检测设备的每一个所述子目标运行状态由对应的目标运行参数确定。
可以将多个目标运行参数依次输入至目标模型,或可以将多个目标运行参数同时输入至目标模型,目标模型基于输入的每个目标运行参数,可以确定出待检测设备中的每个器件的每个功能属性当前的运行状态,即子目标运行状态。
例如,基于上述实施例,将运行参数A1、运行参数A2、运行参数A2和运行参数A3输入至目标模型,目标模型针对运行参数A1可以确定出摄像头的采集功能当前的运行状态,即子运行状态D1;针对一个运行参数A2可以确定出摄像头的数据处理功能当前的运行状态,即子运行状态D2;针对另一个运行参数A2可以确定出传感器的数据处理功能当前的运行状态,即子运行状态D3;针对运行参数A3可以确定出传感器的数据输出功能当前的运行状态,即子运行状态D4。
S1032,根据所述待检测设备的所述多个子目标运行状态,确定所述待检测设备的所述目标运行状态。
示例性的,基于上述实施例,根据摄像头的采集功能当前的运行状态、摄像头的数据处理功能当前的运行状态、传感器的数据处理功能当前的运行状态以及传感器的数据输出功能当前的运行状态,确定出待检测设备当前的运行状态为正常运行或者非正常运行。
S1033,若所述目标运行状态为非正常运行,根据所有非正常运行的子目标运行状态各自携带的位置标识,确定所述待检测设备的故障位置信息。
每个子目标运行状态均携带一个位置标识,该位置标识用于表示待检测设备中与该子目标运行状态对应的功能属性和/或器件,若确定待检测设备当前的运行状态为非正常运行,根据所有子目标运行状态中所有非正常运行各自携带的位置标识,即可确定出待检测设备中发生故障的功能属性和/或器件。
例如,子目标运行状态D1为正常运行,子目标运行状态D2为正常运行,子目标运行状态D3为正常运行,子目标运行状态D4为非正常运行,基于上述实施例,子目标运行状态D4的位置标识为传感器的数据传输功能,则可以确定出待检测设备当前的故障位置在传感器的数据传输模块。
本实施例中,通过将多个目标运行参数输入至目标模型,得到多个子目标运行状态,待检测设备的每一个子目标运行状态由对应的目标运行参数确定;根据待检测设备的多个子目标运行状态,确定待检测设备的目标运行状态,若目标运行状态为非正常运行,根据所有非正常运行的子目标运行状态各自携带的位置标识,确定待检测设备的所述故障位置信息,如此可以确定出设备中组成器件的运行状态,能够对设备进行全面检测。
图3为本公开提供的又一种设备的检测方法的流程示意图,图3为图2所示实施例的基础上,执行S1031时的一种可能的实现方式的具体描述,如下:
S201,将所述多个目标运行参数输入至所述目标模型,基于每个目标运行参数的参数标识,调用对应的子目标模型。
所述参数标识与所述子目标模型一一对应。
每个运行参数对应有一个参数标识,在训练目标模型的过程中,输入样本为带有参数标识的运行参数,将带有参数标识的运行参数输入至一个初始模型,可以得到目标模型。然而,目标模型内部基于不同的参数标识的运行参数,可以得到多个子目标模型,每个子目标模型对应有一个模型标识。目标模型针对输入的每个目标运行参数,根据该目标运行参数的参数标识从所有模型标识中找出匹配的模型标识,并调用该匹配的模型标识对应的子目标模型。
例如,目标模型内包括四个子目标模型,分别为子目标模型B1、目标模型B2、目标模型B3和目标模型B4,其中,子目标模型B1的模型标识为M1、目标模型B2的模型标识为M2、目标模型B3的模型标识为M3,目标模型B4的模型标识为M4。运行参数A1的参数标识为m1,一个运行参数A2的参数标识为m2、另一个运行参数A2的参数标识为m3,运行参数A3的参数标识为m4。由于参数标识m1与模型标识M1匹配,参数标识m2与模型标识M2匹配,参数标识m3与模型标识M3匹配,参数标识m4与模型标识M4匹配,因此,针对运行参数A1调用子目标模型B1,针对参数标识m2的运行参数A2调用子目标模型B2,针对参数标识m3的运行参数A2调用子目标模型B3,针对运行参数A3调用子目标模型B4。
S202,基于各子目标模型,针对各目标运行参数,得到对应的所述子目标运行状态。
示例性的,基于上述实施例,子目标模型B1针对目标运行参数A1输出子目标运行状态D1,子目标模型B2针对参数标识m2的目标运行参数A2输出子目标运行状态D2,子目标模型B3针对参数标识m3的目标运行参数A2输出子目标运行状态D3,子目标模型B4针对目标运行参数A3输出子目标运行状态D4。
本实施例中,通过将多个目标运行参数输入至目标模型,基于每个目标运行参数的参数标识,调用对应的子目标模型,参数标识与子目标模型一一对应;基于各子目标模型,针对各目标运行参数,得到对应的子目标运行状态,如此能够针对不同的运行参数个性化调用匹配的子目标模型来确定子运行状态,能够提升子运行状态结果的准确性,从而能提升设备的检测结果的准确性。此外,无需单独训练多个目标模型,能够缩短模型训练的时间。
图4为本公开提供的又一种设备的检测方法的流程示意图,图4为图2所示实施例的基础上,执行1031时的另一种可能的实现方式的具体描述,如下:
S1031’,将所述多个目标运行参数分别输入至多个目标模型,基于每个目标模型,得到每个目标运行参数对应的所述子目标运行状态。
所述多个目标运行参数的属性与所述多个目标模型一一对应。
基于每个器件的每个功能属性对应的多个运行参数,训练一个目标模型,如此,基于待检测设备中所有器件的所有功能属性对应的多个运行参数,可以训练出多个目标模型。将多个目标运行参数中的各运行参数分别输入至对应的目标模型,各目标模型针对输入的目标运行参数,可以输出对应的子目标运行状态。
例如,将运行参数A1输入至目标模型C1,将运行参数A2输入至目标模型C2,将另一个运行参数A2输入至目标模型C3,将运行参数A3输入至目标模型C4。目标模型C1针对目标运行参数A1输出子目标运行状态D1,目标模型C2针对目标运行参数A2输出子目标运行状态D2,目标模型C3针对另一个目标运行参数A2输出子目标运行状态D3,目标模型C4针对目标运行参数A3输出子目标运行状态D4。
本实施例中,通过将多个目标运行参数分别输入至多个目标模型,基于每个目标模型,得到每个目标运行参数对应的子目标运行状态,多个目标运行参数的属性与多个目标模型一一对应,如此能够针对不同的运行参数基于匹配的目标模型来确定子运行状态,能够提升子运行状态结果的准确性,从而能提升设备的检测结果的准确性。
图5为本公开提供的又一种设备的检测方法的流程示意图,图5为图2所示实施例的基础上,执行1032时的一种可能的实现方式的具体描述,如下:
S301,确定所述多个子目标运行状态中是否均为正常运行的子目标运行状态。
若是,执行S302;若否,执行S303。
根据待检测设备中所有器件的所有功能属性各自当前的运行状态是否正常运行,确定待检测设备当前的运行状态是否为正常运行。示例性的,可以根据待检测设备的所有子目标运行状态是否全部为正常运行,确定待检测设备当前的运行状态是否正常运行。
S302,确定所述目标运行状态为正常运行。
若待检测设备的所有子目标运行状态均为正常运行,即待检测设备中的所有器件的所有功能属性均正常运行,则可以确定待检测设备当前的运行状态为正常运行。例如,基于上述实施例,子目标运行状态D1为正常运行,子目标运行状态D2为正常运行,子目标运行状态D3为正常运行,子目标运行状态D4为正常运行,则待检测设备当前的运行状态为正常运行。
S303,确定所述目标运行状态为非正常运行。
若待检测设备的所有子目标运行状态并非均为正常运行,也就是说,所有子目标运行状态中存在有一个子目标运行状态为非正常运行,即待检测设备中的所有器件的所有功能属性中,存在非正常运行的功能属性,则可以确定待检测设备当前的运行状态为非正常运行。例如,基于上述实施例,子目标运行状态D1、子目标运行状态D2、子目标运行状态D3和子目标运行状态D4中至少有一个为正常运行,则待检测设备当前的运行状态为非正常运行。
图6为本公开提供的又一种设备的检测方法的流程示意图,图6为图1所示实施例的基础上,还包括:
S104,将所述目标运行状态信息远程发送至移动终端。
确定出待检测设备的目标运行状态和故障位置信息后,可以调用预先设置的用户联系方式,并将目标运行状态和故障信息通过无线网络,或有线网络以短信和/或电话的方式发送至用户的远程移动终端,使得用户能够随时随地接收设备的目标运行状态和故障位置信息,方便用户维修。
可选的,还可以将目标运行状态和故障位置信息发送至待检测设备,使得待检测设备基于故障位置信息产生对应的报警信息,提示用户进行维修。待检测设备还可以在显示屏上显示目标运行状态和故障位置信息,方便用户查看并进行针对性的维修。待检测设备还可以将目标运行状态和故障位置信息存储于本地端,方便用户查看历史故障。
本实施例中,通过目标运行状态信息远程发送至移动终端,使得用户能够随时随地接收设备的目标运行状态和故障位置信息,方便用户维修。
图7为本公开提供的又一种设备的检测方法的流程示意图,图7为图1所示实施例的基础上,执行S103之前,还包括:
S1021,将所述待检测设备在正常运行状态下的多个运行参数作为输入样本输入至初始模型,得到输出样本。
待检测设备处于正常运行的状态下,获取大量的运行参数作为模型训练的输入样本,将输入样本输入至初始模型中,初始模型针对输入样本,输出一个对应的输出样本。
S1022,根据所述输出样本和预设运行状态,调整所述初始模型的参数。
将预设运行状态作为初始模型对输入样本的目标输出样本,根据上述实施例中确定的输出样本和目标输出样本,输出样本和目标输出样本之间存在差异。这种差异性可以量化为损失值,损失值越小,说明输出样本与目标输出样本的差异越小,即初始模型的输出结果的准确性越高,故而朝着损失值减小方向来调整初始模型的参数。
S1023,确定是否满足预设条件。
若否,执行S1021;若是,执行S1024。
每次迭代训练,参数调整后的初始模型的输出结果较调整前的初始模型的输出结果,更接近目标输出样本。如此随着迭代训练的累积,损失值越来越小,直至损失值或迭代次数满足条件,训练结束。
S1024,确定所述初始模型为所述目标模型。
基于上述实施例,满足预设条件时即认为当前的初始模型为已经训练好的初始模型,将训练好的初始模型确定为目标模型。
本公开还提供一种设备的检测装置,图8为本公开提供的一种设备的检测装置的结构示意图,如图8所示,检测装置包括:
获取模块110,用于获取待检测设备的多个目标运行参数。
确定模块120,用于将所述多个目标运行参数输入至目标模型,得到所述待检测设备的目标运行状态信息,所述目标运行状态信息中包括目标运行状态和故障位置信息。
可选的,确定模块120,进一步用于将所述多个目标运行参数输入至所述目标模型,得到多个子目标运行状态,所述待检测设备的每一个所述子目标运行状态由对应的目标运行参数确定;根据所述待检测设备的所述多个子目标运行状态,确定所述待检测设备的所述目标运行状态;若所述目标运行状态为非正常运行,根据所有非正常运行的子目标运行状态各自携带的位置标识,确定所述待检测设备的所述故障位置信息。
可选的,确定模块120,进一步用于将所述多个目标运行参数输入至所述目标模型,基于每个目标运行参数的参数标识,调用对应的子目标模型,所述参数标识与所述子目标模型一一对应;基于各子目标模型,针对各目标运行参数,得到对应的所述子目标运行状态。
可选的,确定模块120,进一步用于将所述多个目标运行参数分别输入至多个目标模型,基于每个目标模型,得到每个目标运行参数对应的所述子目标运行状态,所述多个目标运行参数的属性与所述多个目标模型一一对应。
可选的,确定模块120,进一步用于若所述多个子目标运行状态均为正常运行,确定所述目标运行状态为正常运行;若所述多个子目标运行状态中至少有一个子目标运行状态为非正常运行,确定所述目标运行状态为非正常运行。
可选的,所述检测装置,还包括:
发送模块,用于将所述目标运行状态信息远程发送至移动终端。
可选的,所述检测装置,还包括:
训练模块,还用于将所述待检测设备在正常运行状态下的多个运行参数作为输入样本输入至初始模型,得到输出样本;根据所述输出样本和预设运行状态,调整所述初始模型的参数,返回执行所述将所述待检测设备在正常运行状态下的多个运行参数作为输入样本输入至初始模型,得到输出样本,直至满足预设条件,确定所述初始模型为所述目标模型。
本公开提供的装置,可用于执行上述方法实施例的步骤,其实现原理和技术效果类似,此处不再赘述。
图9本公开提供的一种电子设备的结构示意图,图9示出了适于用来实现本发明实施例实施方式的示例性电子设备的框图。图9示的电子设备仅仅是一个示例,不应对本发明实施例的功能和使用范围带来任何限制。
如图9所示,电子设备12以通用计算设备的形式表现。电子设备12的组件可以包括但不限于:一个或者多个处理器16,系统存储器28,连接不同系统组件(包括系统存储器28和处理器16)的总线18。
总线18表示几类总线结构中的一种或多种,包括存储器总线或者存储器控制器,外围总线,图形加速端口,处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说,这些体系结构包括但不限于工业标准体系结构(ISA)总线,微通道体系结构(MAC)总线,增强型ISA总线、视频电子标准协会(VESA)局域总线以及外围组件互连(PCI)总线。
电子设备12典型地包括多种计算机系统可读介质。这些介质可以是任何能够被电子设备12访问的介质,包括易失性和非易失性介质,可移动的和不可移动的介质。
系统存储器28可以包括易失性存储器形式的计算机系统可读介质,例如随机存取存储器(RAM)30和/或高速缓存存储器32。电子设备12可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机系统存储介质。仅作为举例,存储系统34可以用于读写不可移动的、非易失性磁介质(通常称为“硬盘驱动器”)。可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器,以及对可移动非易失性光盘(例如CD-ROM、DVD-ROM或者其它光介质)读写的光盘驱动器。在这些情况下,每个驱动器可以通过一个或者多个数据介质接口与总线18相连。系统存储器28可以包括至少一个程序产品,该程序产品具有一组(例如至少一个)程序模块,这些程序模块被配置以执行本发明实施例各实施例的功能。
具有一组(至少一个)程序模块42的程序/实用工具40,可以存储在例如系统存储器28中,这样的程序模块42包括但不限于操作系统、一个或者多个应用程序、其它程序模块以及程序数据,这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块42通常执行本发明实施例所描述的实施例中的功能和/或方法。
处理器16通过运行存储在系统存储器28中的多个程序中的至少一个程序,从而执行各种功能应用以及数据处理,例如实现本发明实施例所提供的方法实施例。
本公开还提供一种计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现上述方法实施例的步骤。
可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于无线、电线、光缆、RF等等,或者上述的任意合适的组合。
可以以一种或多种程序设计语言或其组合来编写用于执行本发明操作的计算机程序代码,所述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)域连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
本公开还提供一种计算机程序产品,当所述计算机程序产品在计算机上运行时,使得所述计算机执行实现上述方法实施例的步骤。
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。
以上所述仅是本公开的具体实施方式,使本领域技术人员能够理解或实现本公开。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公开的精神或范围的情况下,在其它实施例中实现。因此,本公开将不会被限制于本文所述的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (9)
1.一种设备的检测方法,其特征在于,包括:
获取待检测设备的多个目标运行参数;
将所述多个目标运行参数输入至目标模型,得到所述待检测设备的目标运行状态信息,所述目标运行状态信息中包括目标运行状态和故障位置信息;
其中,所述将所述多个目标运行参数输入至目标模型,得到所述待检测设备的目标运行状态信息,包括:
将所述多个目标运行参数输入至所述目标模型,得到多个子目标运行状态,所述待检测设备的每一个所述子目标运行状态由对应的目标运行参数确定;
根据所述待检测设备的所述多个子目标运行状态,确定所述待检测设备的所述目标运行状态;
若所述目标运行状态为非正常运行,根据所有非正常运行的子目标运行状态各自携带的位置标识,确定所述待检测设备的所述故障位置信息。
2.根据权利要求1所述的方法,其特征在于,所述将所述多个目标运行参数输入至所述目标模型,得到多个子目标运行状态,包括:
将所述多个目标运行参数输入至所述目标模型,基于每个目标运行参数的参数标识,调用对应的子目标模型,所述参数标识与所述子目标模型一一对应;
基于各子目标模型,针对各目标运行参数,得到对应的所述子目标运行状态。
3.根据权利要求1所述的方法,其特征在于,所述将所述多个目标运行参数输入至所述目标模型,得到多个子目标运行状态,包括:
将所述多个目标运行参数分别输入至多个目标模型,基于每个目标模型,得到每个目标运行参数对应的所述子目标运行状态,所述多个目标运行参数的属性与所述多个目标模型一一对应。
4.根据权利要求1-3任一项所述的方法,其特征在于,所述根据所述待检测设备的所述多个子目标运行状态,确定所述待检测设备的所述目标运行状态包括:
若所述多个子目标运行状态均为正常运行,确定所述目标运行状态为正常运行;
若所述多个子目标运行状态中至少有一个子目标运行状态为非正常运行,确定所述目标运行状态为非正常运行。
5.根据权利要求1-3任一项所述的方法,其特征在于,还包括:
将所述目标运行状态信息远程发送至移动终端。
6.根据权利要求1-3任一项所述的方法,其特征在于,所述将所述多个目标运行参数输入至目标模型,得到所述待检测设备的目标运行状态信息之前,还包括:
将所述待检测设备在正常运行状态下的多个运行参数作为输入样本输入至初始模型,得到输出样本;
根据所述输出样本和预设运行状态,调整所述初始模型的参数,返回执行所述将所述待检测设备在正常运行状态下的多个运行参数作为输入样本输入至初始模型,得到输出样本,直至满足预设条件,确定所述初始模型为所述目标模型。
7.一种设备的检测装置,其特征在于,包括:
获取模块,用于获取待检测设备的多个目标运行参数;
确定模块,用于将所述多个目标运行参数输入至目标模型,得到所述待检测设备的目标运行状态信息,所述目标运行状态信息中包括目标运行状态和故障位置信息;
其中,所述确定模块,用于将所述多个目标运行参数输入至所述目标模型,得到多个子目标运行状态,所述待检测设备的每一个所述子目标运行状态由对应的目标运行参数确定;根据所述待检测设备的所述多个子目标运行状态,确定所述待检测设备的所述目标运行状态;若所述目标运行状态为非正常运行,根据所有非正常运行的子目标运行状态各自携带的位置标识,确定所述待检测设备的所述故障位置信息。
8.一种电子设备,其特征在于,包括:处理器,所述处理器用于执行存储于存储器的计算机程序,所述计算机程序被处理器执行时实现权利要求1-6任一项所述的方法的步骤。
9.一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1-6任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111657118.8A CN114460918B (zh) | 2021-12-30 | 2021-12-30 | 设备的检测方法、装置、设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111657118.8A CN114460918B (zh) | 2021-12-30 | 2021-12-30 | 设备的检测方法、装置、设备和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114460918A CN114460918A (zh) | 2022-05-10 |
CN114460918B true CN114460918B (zh) | 2024-02-06 |
Family
ID=81407529
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111657118.8A Active CN114460918B (zh) | 2021-12-30 | 2021-12-30 | 设备的检测方法、装置、设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114460918B (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104883356A (zh) * | 2015-04-24 | 2015-09-02 | 北京邮电大学 | 一种基于目标模型的网络攻击检测方法 |
WO2021036671A1 (zh) * | 2019-08-29 | 2021-03-04 | 深圳市广宁股份有限公司 | 基于数字孪生的智能振动检测方法及装置 |
CN112562866A (zh) * | 2021-02-19 | 2021-03-26 | 北京声智科技有限公司 | 检测系统、检测方法、检测装置和存储介质 |
CN112665711A (zh) * | 2020-12-21 | 2021-04-16 | 陕西宝光集团有限公司 | 设备运行状态的检测方法、装置、电子设备及存储介质 |
CN112665710A (zh) * | 2020-12-21 | 2021-04-16 | 陕西宝光集团有限公司 | 设备运行状态的检测方法、装置、电子设备及存储介质 |
CN112818314A (zh) * | 2021-02-24 | 2021-05-18 | 建信金融科技有限责任公司 | 一种设备检测方法、装置、设备及存储介质 |
CN112906620A (zh) * | 2021-03-09 | 2021-06-04 | 唐山职业技术学院 | 无人机辅助的绝缘子故障检测方法、装置和电子设备 |
CN112990745A (zh) * | 2021-04-01 | 2021-06-18 | 中国移动通信集团陕西有限公司 | 一种安全检测方法、装置、设备及计算机存储介质 |
-
2021
- 2021-12-30 CN CN202111657118.8A patent/CN114460918B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104883356A (zh) * | 2015-04-24 | 2015-09-02 | 北京邮电大学 | 一种基于目标模型的网络攻击检测方法 |
WO2021036671A1 (zh) * | 2019-08-29 | 2021-03-04 | 深圳市广宁股份有限公司 | 基于数字孪生的智能振动检测方法及装置 |
CN112665711A (zh) * | 2020-12-21 | 2021-04-16 | 陕西宝光集团有限公司 | 设备运行状态的检测方法、装置、电子设备及存储介质 |
CN112665710A (zh) * | 2020-12-21 | 2021-04-16 | 陕西宝光集团有限公司 | 设备运行状态的检测方法、装置、电子设备及存储介质 |
CN112562866A (zh) * | 2021-02-19 | 2021-03-26 | 北京声智科技有限公司 | 检测系统、检测方法、检测装置和存储介质 |
CN112818314A (zh) * | 2021-02-24 | 2021-05-18 | 建信金融科技有限责任公司 | 一种设备检测方法、装置、设备及存储介质 |
CN112906620A (zh) * | 2021-03-09 | 2021-06-04 | 唐山职业技术学院 | 无人机辅助的绝缘子故障检测方法、装置和电子设备 |
CN112990745A (zh) * | 2021-04-01 | 2021-06-18 | 中国移动通信集团陕西有限公司 | 一种安全检测方法、装置、设备及计算机存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN114460918A (zh) | 2022-05-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20230351084A1 (en) | Using line-of-code behavior and relation models to anticipate impact of hardware changes | |
US8171406B1 (en) | Automating user interface navigation | |
US20200259725A1 (en) | Methods and systems for online monitoring using a variable data | |
CN111026640B (zh) | 车载设备测试方法、系统、移动终端及存储介质 | |
CN109543891B (zh) | 容量预测模型的建立方法、设备及计算机可读存储介质 | |
CN107045475B (zh) | 测试方法和装置 | |
CN111552633A (zh) | 接口的异常调用测试方法、装置、计算机设备及存储介质 | |
WO2023125851A1 (zh) | 远程诊断方法及装置、电子设备和存储介质 | |
CN110727572A (zh) | 埋点数据处理方法、装置、设备及存储介质 | |
US20180225357A1 (en) | Self-improving classification | |
CN114821066A (zh) | 模型训练方法、装置、电子设备及计算机可读存储介质 | |
CN110716843B (zh) | 系统故障分析处理方法、装置、存储介质及电子设备 | |
CN114460918B (zh) | 设备的检测方法、装置、设备和存储介质 | |
US20200012780A1 (en) | Composite challenge task generation and deployment | |
CN111010308B (zh) | 一种kvm服务测试方法与装置 | |
CN113934432A (zh) | 用于部署机器学习模型的方法、设备和存储介质 | |
CN116414608A (zh) | 异常检测方法、装置、设备及存储介质 | |
CN116167935A (zh) | 二维码的修复方法、装置、设备及介质 | |
CN115758389A (zh) | 漏洞处理结果校验方法、装置、电子设备及存储介质 | |
US10255128B2 (en) | Root cause candidate determination in multiple process systems | |
CN114358581A (zh) | 性能指标的异常阈值确定方法和装置、设备、存储介质 | |
CN107577546B (zh) | 一种信息处理方法、装置及电子设备 | |
CN113656391A (zh) | 数据检测方法及装置、存储介质及电子设备 | |
CN111045849A (zh) | 核对异常原因的识别方法、装置、服务器和存储介质 | |
US10921167B1 (en) | Methods and apparatus for validating event scenarios using reference readings from sensors associated with predefined event scenarios |
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 |