CN115018220A - 一种基于知识图谱的家电故障预测方法和系统 - Google Patents
一种基于知识图谱的家电故障预测方法和系统 Download PDFInfo
- Publication number
- CN115018220A CN115018220A CN202210952190.1A CN202210952190A CN115018220A CN 115018220 A CN115018220 A CN 115018220A CN 202210952190 A CN202210952190 A CN 202210952190A CN 115018220 A CN115018220 A CN 115018220A
- Authority
- CN
- China
- Prior art keywords
- data
- real
- fault
- time
- early warning
- 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.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/36—Creation of semantic tools, e.g. ontology or thesauri
- G06F16/367—Ontology
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/20—Administration of product repair or maintenance
-
- 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
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Abstract
本发明适用于计算机技术领域,尤其涉及一种基于知识图谱的家电故障预测方法和系统,所述方法包括:获取历史运行数据和实时运行数据;对历史运行数据进行解析,生成正常运行参数范围,构建故障预警特征知识图谱;对实时运行数据进行数据提取,进行故障预测检测;截取实时运行数据,并提取得到实时运行特征,判定是否存在故障风险,若存在,则发出故障预测信息。本发明根据实际运行产生的参数判断是否需要进行故障预测检测,通过故障预测检测判定是否存在发生故障的风向,以起到提前对故障进行预警的作用,提前进行检查,保证了设备的长期稳定运行,降低故障率。
Description
技术领域
本发明属于计算机技术领域,尤其涉及一种基于知识图谱的家电故障预测方法和系统。
背景技术
知识图谱,在图书情报界称为知识域可视化或知识领域映射地图,是显示知识发展进程与结构关系的一系列各种不同的图形,用可视化技术描述知识资源及其载体,挖掘、分析、构建、绘制和显示知识及它们之间的相互联系。
具体来说,知识图谱是通过将应用数学、图形学、信息可视化技术、信息科学等学科的理论与方法与计量学引文分析、共现分析等方法结合,并利用可视化的图谱形象地展示学科的核心结构、发展历史、前沿领域以及整体知识架构达到多学科融合目的的现代理论。
在当前的众多智能家电中,均设置有智能检测系统,通过各种传感器采集智能家电中的各项参数,当参数超过预设值的时候,即提示相应的故障码,不同故障码即对应的不同的故障类型,但是,上述智能检测系统均是在故障已经发生的时候,才能检测到,现有技术无法在故障发生前进行故障预警,因此将会影响用户体验。
发明内容
本发明实施例的目的在于提供一种基于知识图谱的家电故障预测方法,旨在解决现有技术无法在故障发生前进行故障预警,因此将会影响用户体验的问题。
本发明实施例是这样实现的,一种基于知识图谱的家电故障预测方法,所述方法包括:
获取历史运行数据和实时运行数据,所述历史运行数据包括历史环境条件数据、故障码和家电历史数据,所述实时运行数据包括实时环境条件和家电实时数据;
对历史运行数据进行解析,生成正常运行参数范围,构建故障预警特征知识图谱;
对实时运行数据进行数据提取,家电实时数据不满足正常运行参数范围时进行故障预测检测;
截取实时运行数据,并提取得到实时运行特征,根据故障预警特征知识图谱和实时运行特征判定是否存在故障风险,若存在,则发出故障预测信息。
优选的,所述对历史运行数据进行解析,生成正常运行参数范围,构建故障预警特征知识图谱的步骤,具体包括:
按独立设备号对历史运行数据进行数据提取,得到独立设备运行数据;
根据每一个独立设备运行数据中生成正常运行参数以及异常运行参数,所述异常运行参数根据故障发生前预设时长内对应的独立设备运行数据提取得到;
综合所有正常运行参数,生成正常运行参数范围,通过比对所有异常运行参数,生成故障预警特征,并构建故障预警特征知识图谱。
优选的,所述对实时运行数据进行数据提取,家电实时数据不满足正常运行参数范围时进行故障预测检测的步骤,具体包括:
按照预设时间间隔截取实时运行数据,得到独立判据;
判定独立判据是否在正常运行参数范围之内,若不在正常运行参数范围之内,则为数据异常,统计数据异常发生频率;
当数据异常发生频率超过预设值时,判定需要进行故障预测检测。
优选的,所述截取实时运行数据,并提取得到实时运行特征,根据故障预警特征知识图谱和实时运行特征判定是否存在故障风险的步骤,具体包括:
截取预设时长的实时运行数据;
根据实时运行数据绘制波形图,并根据波形图提取波形特征,得到实时运行特征;
将实时运行特征与故障预警特征进行对比,计算重合率,重合率超过预设值即判定存在风险。
优选的,若判定不存在风险,则退出故障预测检测。
优选的,故障预测信息包含对应的故障码。
本发明实施例的另一目的在于提供一种基于知识图谱的家电故障预测系统,所述系统包括:
数据获取模块,用于获取历史运行数据和实时运行数据,所述历史运行数据包括历史环境条件数据、故障码和家电历史数据,所述实时运行数据包括实时环境条件和家电实时数据;
数据处理模块,用于对历史运行数据进行解析,生成正常运行参数范围,构建故障预警特征知识图谱;
检测判定模块,用于对实时运行数据进行数据提取,家电实时数据不满足正常运行参数范围时进行故障预测检测;
风险预警模块,用于截取实时运行数据,并提取得到实时运行特征,根据故障预警特征知识图谱和实时运行特征判定是否存在故障风险,若存在,则发出故障预测信息。
优选的,所述数据处理模块包括:
数据提取单元,用于按独立设备号对历史运行数据进行数据提取,得到独立设备运行数据;
参数生成单元,用于根据每一个独立设备运行数据中生成正常运行参数以及异常运行参数,所述异常运行参数根据故障发生前预设时长内对应的独立设备运行数据提取得到;
预警特征生成单元,用于综合所有正常运行参数,生成正常运行参数范围,通过比对所有异常运行参数,生成故障预警特征,并构建故障预警特征知识图谱。
优选的,所述检测判定模块包括:
独立判据截取单元,用于按照预设时间间隔截取实时运行数据,得到独立判据;
数据统计单元,用于判定独立判据是否在正常运行参数范围之内,若不在正常运行参数范围之内,则为数据异常,统计数据异常发生频率;
检测判定单元,用于在数据异常发生频率超过预设值时,判定需要进行故障预测检测。
优选的,所述风险预警模块包括:
运行数据截取单元,用于截取预设时长的实时运行数据;
波形特征提取单元,用于根据实时运行数据绘制波形图,并根据波形图提取波形特征,得到实时运行特征;
重合率计算单元,用于将实时运行特征与故障预警特征进行对比,计算重合率,重合率超过预设值即判定存在风险。
本发明实施例提供的一种基于知识图谱的家电故障预测方法,通过对历史运行数据进行分析,从而确定正常的运行参数范围以及出现故障前的异常参数范围,并进一步根据实际运行产生的参数判断是否需要进行故障预测检测,通过故障预测检测判定是否存在发生故障的风向,以起到提前对故障进行预警的作用,提前进行检查,保证了设备的长期稳定运行,降低故障率。
附图说明
图1为本发明实施例提供的一种基于知识图谱的家电故障预测方法的流程图;
图2为本发明实施例提供的对历史运行数据进行解析,生成正常运行参数范围,构建故障预警特征知识图谱的步骤的流程图;
图3为本发明实施例提供的对实时运行数据进行数据提取,家电实时数据不满足正常运行参数范围时进行故障预测检测的步骤的流程图;
图4为本发明实施例提供的截取实时运行数据,并提取得到实时运行特征,根据故障预警特征知识图谱和实时运行特征判定是否存在故障风险的步骤的流程图;
图5为本发明实施例提供的一种基于知识图谱的家电故障预测系统的架构图;
图6为本发明实施例提供的一种数据处理模块的架构图;
图7为本发明实施例提供的一种检测判定模块的架构图;
图8为本发明实施例提供的一种风险预警模块的架构图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
知识图谱是通过将应用数学、图形学、信息可视化技术、信息科学等学科的理论与方法与计量学引文分析、共现分析等方法结合,并利用可视化的图谱形象地展示学科的核心结构、发展历史、前沿领域以及整体知识架构达到多学科融合目的的现代理论。在当前的众多智能家电中,均设置有智能检测系统,通过各种传感器采集智能家电中的各项参数,当参数超过预设值的时候,即提示相应的故障码,不同故障码即对应的不同的故障类型,但是,上述智能检测系统均是在故障已经发生的时候,才能检测到,现有技术无法在故障发生前进行故障预警,因此将会影响用户体验。
本发明通过对历史运行数据进行分析,从而确定正常的运行参数范围以及出现故障前的异常参数范围,并进一步根据实际运行产生的参数判断是否需要进行故障预测检测,通过故障预测检测判定是否存在发生故障的风向,以起到提前对故障进行预警的作用,提前进行检查,保证了设备的长期稳定运行,降低故障率。
如图1所示,为本发明实施例提供的一种基于知识图谱的家电故障预测方法的流程图,所述方法包括:
S100,获取历史运行数据和实时运行数据,所述历史运行数据包括历史环境条件数据、故障码和家电历史数据,所述实时运行数据包括实时环境条件和家电实时数据。
在本步骤中,获取历史运行数据和实时运行数据,在智能家电的运行过程中,包括正常运行阶段、异常运行阶段和故障阶段,其中正常运行阶段中,设备各项参数均处于正常范围内,异常运行阶段中,部分参数超出正常范围,但此时设备仍未表现出故障的,而在故障阶段中,设备已经出现部分功能或者全部功能无法使用的情况,本发明的目的在于检测智能家电是否处于异常运行阶段,从而在智能家电进入到故障阶段之前对其进行检修和排查,因此,在智能家电的整个运行过程中,将其运行时产生的参数上传至系统中进行留存,以供分析,参数不仅包含设备运行时,智能家电内部的运行参数,也包含智能设备所处外界环境的参数。
S200,对历史运行数据进行解析,生成正常运行参数范围,构建故障预警特征知识图谱。
在本步骤中,对历史运行数据进行解析,历史运行数据包括历史环境条件数据、故障码和家电历史数据,历史环境条件数据是指在该智能家电的运行历史中,智能家电所处位置的外部环境参数,如温度、湿度等,故障码是智能设备出现故障停摆时报出的故障代号,家电历史数据则为该智能家电在运行过程中产生的实时参数,历史运行数据是从各个已经出现故障的智能家电中获取的,并将其划分为正常运行阶段、异常运行阶段和故障阶段,具体的,智能家电开始出现故障时,该时间节点为A,那么A节点之后即为故障阶段,而异常运行阶段和正常运行阶段则根据数据进行分析,如各项参数的数值变化曲线,以曲线出现突变的时刻为分界点,设为B,那么,B-A之间的时间段即为异常运行阶段,B节点之前的时间段为正常运行阶段,根据正常运行阶段内的参数确定正常运行参数范围,根据异常运行阶段内的参数生成故障预警特征,并构建故障预警特征知识图谱,上述家电历史数据均是在历史环境条件处于预设范围内时保存的参数,对于历史环境条件超出预设范围内的家电历史数据进行舍弃,如环境温度超过预设值时,其产生的家电历史数据不具有可信度,将其舍弃。
S300,对实时运行数据进行数据提取,家电实时数据不满足正常运行参数范围时进行故障预测检测。
在本步骤中,对实时运行数据进行数据提取,实时运行数据是当前智能家电运行中产生的数据,同样也包括实时环境条件,当实时环境条件超出预设范围时,将对应的家电实时数据舍弃,根据家电实时数据进行参数提取,判定其是否处于正常运行参数范围内,不处于正常运行参数范围内则视为异常,当出现异常的频率高于预设值即判定需要进行故障预测检测,并开始进行故障预测检测。
S400,截取实时运行数据,并提取得到实时运行特征,根据故障预警特征知识图谱和实时运行特征判定是否存在故障风险,若存在,则发出故障预测信息。
在本步骤中,截取实时运行数据,进入故障预测检测之后,开始实时监测实时运行数据,并对其进行特征提取,以得到实时运行特征,将实时运行特征与故障预警特征知识图谱中的故障预警特征进行实时比对,从而计算两者的重合率,当重合率高时,则说明当前智能家电已经进入异常运行阶段,需要立即进行检修,此时发出故障预测信息,故障预测信息包含对应的故障码,若判定不存在风险,则退出故障预测检测。
如图2所示,作为本发明的一个优选实施例,所述对历史运行数据进行解析,生成正常运行参数范围,构建故障预警特征知识图谱的步骤,具体包括:
S201,按独立设备号对历史运行数据进行数据提取,得到独立设备运行数据。
在本步骤中,按独立设备号对历史运行数据进行数据提取,每一个智能设备均具有各自对应的独立编码即为独立设备号,在进行数据提取时,以一个独立设备为单位,对数据进行保存,以得到独立设备运行数据,独立设备运行数据即为已经出现故障的智能家电的独立历史数据。
S202,根据每一个独立设备运行数据中生成正常运行参数以及异常运行参数,所述异常运行参数根据故障发生前预设时长内对应的独立设备运行数据提取得到。
在本步骤中,根据每一个独立设备运行数据中生成正常运行参数以及异常运行参数,按照正常运行阶段、异常运行阶段和故障阶段对独立设备运行数据进行划分,从而根据不同的阶段提取得到正常运行参数以及异常运行参数。
S203,综合所有正常运行参数,生成正常运行参数范围,通过比对所有异常运行参数,生成故障预警特征,并构建故障预警特征知识图谱。
在本步骤中,综合所有正常运行参数,即根据所有已经出现故障的智能家电对应的正常运行参数进行综合,得到正常运行参数范围,正常运行参数范围以所有正常运行参数中的最小值为下限,以其最大值为上限,而对于异常运行阶段,记录各个参数的曲线图,分析其波形,提取波形特征,即得到故障预警特征,并构建故障预警特征知识图谱,在故障预警特征知识图谱记录有每一种故障码对应的故障预警特征。
如图3所示,作为本发明的一个优选实施例,所述对实时运行数据进行数据提取,家电实时数据不满足正常运行参数范围时进行故障预测检测的步骤,具体包括:
S301,按照预设时间间隔截取实时运行数据,得到独立判据。
在本步骤中,按照预设时间间隔截取实时运行数据,具体的,可以以一次运行过程为一个周期进行数据截取,也可以以固定的时长作为时间间隔进行数据截取,以得到独立判据,独立判据是用于进行数据分析的最小单位。
S302,判定独立判据是否在正常运行参数范围之内,若不在正常运行参数范围之内,则为数据异常,统计数据异常发生频率。
S303,当数据异常发生频率超过预设值时,判定需要进行故障预测检测。
在本步骤中,判定独立判据是否在正常运行参数范围之内,解析各项参数,将其与正常运行参数范围的上限和下限进行比对,若其超出正常运行参数范围之内,则为数据异常,统计数据异常发生频率,数据异常发生频率为一个独立判据中出现的数据异常的数量,当数据异常发生频率超过预设值时,判定需要进行故障预测检测。
如图4所示,作为本发明的一个优选实施例,所述截取实时运行数据,并提取得到实时运行特征,根据故障预警特征知识图谱和实时运行特征判定是否存在故障风险的步骤,具体包括:
S401,截取预设时长的实时运行数据。
在本步骤中,截取预设时长的实时运行数据,同样的,可以以一次运行过程为一个周期进行数据截取,也可以以固定的时长作为时间间隔进行数据截取,实时运行数据是智能设备运行时产生的,即不断获取最新的实时运行数据。
S402,根据实时运行数据绘制波形图,并根据波形图提取波形特征,得到实时运行特征。
在本步骤中,根据实时运行数据绘制波形图,具体的,为每一个参数绘制一组波形图,从而通过波形提取,得到多组波形特征,即得到实时运行特征。
S403,将实时运行特征与故障预警特征进行对比,计算重合率,重合率超过预设值即判定存在风险。
在本步骤中,将实时运行特征与故障预警特征进行对比,该预设值可以设置为60%,即有60%的故障预警特征与实时运行特征重合,则说明已经存在出现故障的风险,需要立即检修。
如图5所示,为本发明实施例提供的一种基于知识图谱的家电故障预测系统,所述系统包括:
数据获取模块100,用于获取历史运行数据和实时运行数据,所述历史运行数据包括历史环境条件数据、故障码和家电历史数据,所述实时运行数据包括实时环境条件和家电实时数据。
在本系统中,数据获取模块100获取历史运行数据和实时运行数据,在智能家电的运行过程中,包括正常运行阶段、异常运行阶段和故障阶段,其中正常运行阶段中,设备各项参数均处于正常范围内,异常运行阶段中,部分参数超出正常范围,但此时设备仍未表现出故障的,而在故障阶段中,设备已经出现部分功能或者全部功能无法使用的情况,本发明的目的在于检测智能家电是否处于异常运行阶段,从而在智能家电进入到故障阶段之前对其进行检修和排查,因此,在智能家电的整个运行过程中,将其运行时产生的参数上传至系统中进行留存,以供分析,参数不仅包含设备运行时,智能家电内部的运行参数,也包含智能设备所处外界环境的参数。
数据处理模块200,用于对历史运行数据进行解析,生成正常运行参数范围,构建故障预警特征知识图谱。
在本系统中,数据处理模块200对历史运行数据进行解析,历史运行数据包括历史环境条件数据、故障码和家电历史数据,历史环境条件数据是指在该智能家电的运行历史中,智能家电所处位置的外部环境参数,如温度、湿度等,故障码是智能设备出现故障停摆时报出的故障代号,家电历史数据则为该智能家电在运行过程中产生的实时参数,历史运行数据是从各个已经出现故障的智能家电中获取的,并将其划分为正常运行阶段、异常运行阶段和故障阶段,具体的,智能家电开始出现故障时,该时间节点为A,那么A节点之后即为故障阶段,而异常运行阶段和正常运行阶段则根据数据进行分析,如各项参数的数值变化曲线,以曲线出现突变的时刻为分界点,设为B,那么,B-A之间的时间段即为异常运行阶段,B节点之前的时间段为正常运行阶段,根据正常运行阶段内的参数确定正常运行参数范围,根据异常运行阶段内的参数生成故障预警特征,并构建故障预警特征知识图谱,上述家电历史数据均是在历史环境条件处于预设范围内时保存的参数,对于历史环境条件超出预设范围内的家电历史数据进行舍弃,如环境温度超过预设值时,其产生的家电历史数据不具有可信度,将其舍弃。
检测判定模块300,用于对实时运行数据进行数据提取,家电实时数据不满足正常运行参数范围时进行故障预测检测。
在本系统中,检测判定模块300对实时运行数据进行数据提取,实时运行数据是当前智能家电运行中产生的数据,同样也包括实时环境条件,当实时环境条件超出预设范围时,将对应的家电实时数据舍弃,根据家电实时数据进行参数提取,判定其是否处于正常运行参数范围内,不处于正常运行参数范围内则视为异常,当出现异常的频率高于预设值即判定需要进行故障预测检测,并开始进行故障预测检测。
风险预警模块400,用于截取实时运行数据,并提取得到实时运行特征,根据故障预警特征知识图谱和实时运行特征判定是否存在故障风险,若存在,则发出故障预测信息。
在本系统中,风险预警模块400截取实时运行数据,进入故障预测检测之后,开始实时监测实时运行数据,并对其进行特征提取,以得到实时运行特征,将实时运行特征与故障预警特征知识图谱中的故障预警特征进行实时比对,从而计算两者的重合率,当重合率高时,则说明当前智能家电已经进入异常运行阶段,需要立即进行检修,此时发出故障预测信息,故障预测信息包含对应的故障码,若判定不存在风险,则退出故障预测检测。
如图6所示,作为本发明的一个优选实施例,所述数据处理模块200包括:
数据提取单元201,用于按独立设备号对历史运行数据进行数据提取,得到独立设备运行数据。
在本模块中,数据提取单元201按独立设备号对历史运行数据进行数据提取,每一个智能设备均具有各自对应的独立编码即为独立设备号,在进行数据提取时,以一个独立设备为单位,对数据进行保存,以得到独立设备运行数据,独立设备运行数据即为已经出现故障的智能家电的独立历史数据。
参数生成单元202,用于根据每一个独立设备运行数据中生成正常运行参数以及异常运行参数,所述异常运行参数根据故障发生前预设时长内对应的独立设备运行数据提取得到。
在本模块中,参数生成单元202根据每一个独立设备运行数据中生成正常运行参数以及异常运行参数,按照正常运行阶段、异常运行阶段和故障阶段对独立设备运行数据进行划分,从而根据不同的阶段提取得到正常运行参数以及异常运行参数。
预警特征生成单元203,用于综合所有正常运行参数,生成正常运行参数范围,通过比对所有异常运行参数,生成故障预警特征,并构建故障预警特征知识图谱。
在本模块中,预警特征生成单元203综合所有正常运行参数,即根据所有已经出现故障的智能家电对应的正常运行参数进行综合,得到正常运行参数范围,正常运行参数范围以所有正常运行参数中的最小值为下限,以其最大值为上限,而对于异常运行阶段,记录各个参数的曲线图,分析其波形,提取波形特征,即得到故障预警特征,并构建故障预警特征知识图谱,在故障预警特征知识图谱记录有每一种故障码对应的故障预警特征。
如图7所示,作为本发明的一个优选实施例,所述检测判定模块300包括:
独立判据截取单元301,用于按照预设时间间隔截取实时运行数据,得到独立判据。
在本模块中,独立判据截取单元301按照预设时间间隔截取实时运行数据,具体的,可以以一次运行过程为一个周期进行数据截取,也可以以固定的时长作为时间间隔进行数据截取,以得到独立判据,独立判据是用于进行数据分析的最小单位。
数据统计单元302,用于判定独立判据是否在正常运行参数范围之内,若不在正常运行参数范围之内,则为数据异常,统计数据异常发生频率。
检测判定单元303,用于在数据异常发生频率超过预设值时,判定需要进行故障预测检测。
在本模块中,判定独立判据是否在正常运行参数范围之内,解析各项参数,将其与正常运行参数范围的上限和下限进行比对,若其超出正常运行参数范围之内,则为数据异常,统计数据异常发生频率,数据异常发生频率为一个独立判据中出现的数据异常的数量,当数据异常发生频率超过预设值时,判定需要进行故障预测检测。
如图8所示,作为本发明的一个优选实施例,所述风险预警模块400包括:
运行数据截取单元401,用于截取预设时长的实时运行数据。
在本模块中,运行数据截取单元401截取预设时长的实时运行数据,同样的,可以以一次运行过程为一个周期进行数据截取,也可以以固定的时长作为时间间隔进行数据截取,实时运行数据是智能设备运行时产生的,即不断获取最新的实时运行数据。
波形特征提取单元402,用于根据实时运行数据绘制波形图,并根据波形图提取波形特征,得到实时运行特征。
在本模块中,波形特征提取单元402根据实时运行数据绘制波形图,具体的,为每一个参数绘制一组波形图,从而通过波形提取,得到多组波形特征,即得到实时运行特征。
重合率计算单元403,用于将实时运行特征与故障预警特征进行对比,计算重合率,重合率超过预设值即判定存在风险。
在本模块中,重合率计算单元403将实时运行特征与故障预警特征进行对比,该预设值可以设置为60%,即有60%的故障预警特征与实时运行特征重合,则说明已经存在出现故障的风险,需要立即检修。
应该理解的是,虽然本发明各实施例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,各实施例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。
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令相关的硬件来完成,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)、双数据率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。
以上所述实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本发明的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对本发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变形和改进,这些都属于本发明的保护范围。因此,本发明专利的保护范围应以所附权利要求为准。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种基于知识图谱的家电故障预测方法,其特征在于,所述方法包括:
获取历史运行数据和实时运行数据,所述历史运行数据包括历史环境条件数据、故障码和家电历史数据,所述实时运行数据包括实时环境条件和家电实时数据;
对历史运行数据进行解析,生成正常运行参数范围,构建故障预警特征知识图谱;
对实时运行数据进行数据提取,家电实时数据不满足正常运行参数范围时进行故障预测检测;
截取实时运行数据,并提取得到实时运行特征,根据故障预警特征知识图谱和实时运行特征判定是否存在故障风险,若存在,则发出故障预测信息。
2.根据权利要求1所述的基于知识图谱的家电故障预测方法,其特征在于,所述对历史运行数据进行解析,生成正常运行参数范围,构建故障预警特征知识图谱的步骤,具体包括:
按独立设备号对历史运行数据进行数据提取,得到独立设备运行数据;
根据每一个独立设备运行数据中生成正常运行参数以及异常运行参数,所述异常运行参数根据故障发生前预设时长内对应的独立设备运行数据提取得到;
综合所有正常运行参数,生成正常运行参数范围,通过比对所有异常运行参数,生成故障预警特征,并构建故障预警特征知识图谱。
3.根据权利要求1所述的基于知识图谱的家电故障预测方法,其特征在于,所述对实时运行数据进行数据提取,家电实时数据不满足正常运行参数范围时进行故障预测检测的步骤,具体包括:
按照预设时间间隔截取实时运行数据,得到独立判据;
判定独立判据是否在正常运行参数范围之内,若不在正常运行参数范围之内,则为数据异常,统计数据异常发生频率;
当数据异常发生频率超过预设值时,判定需要进行故障预测检测。
4.根据权利要求1所述的基于知识图谱的家电故障预测方法,其特征在于,所述截取实时运行数据,并提取得到实时运行特征,根据故障预警特征知识图谱和实时运行特征判定是否存在故障风险的步骤,具体包括:
截取预设时长的实时运行数据;
根据实时运行数据绘制波形图,并根据波形图提取波形特征,得到实时运行特征;
将实时运行特征与故障预警特征进行对比,计算重合率,重合率超过预设值即判定存在风险。
5.根据权利要求4所述的基于知识图谱的家电故障预测方法,其特征在于,若判定不存在风险,则退出故障预测检测。
6.根据权利要求1所述的基于知识图谱的家电故障预测方法,其特征在于,故障预测信息包含对应的故障码。
7.一种基于知识图谱的家电故障预测系统,其特征在于,所述系统包括:
数据获取模块,用于获取历史运行数据和实时运行数据,所述历史运行数据包括历史环境条件数据、故障码和家电历史数据,所述实时运行数据包括实时环境条件和家电实时数据;
数据处理模块,用于对历史运行数据进行解析,生成正常运行参数范围,构建故障预警特征知识图谱;
检测判定模块,用于对实时运行数据进行数据提取,家电实时数据不满足正常运行参数范围时进行故障预测检测;
风险预警模块,用于截取实时运行数据,并提取得到实时运行特征,根据故障预警特征知识图谱和实时运行特征判定是否存在故障风险,若存在,则发出故障预测信息。
8.根据权利要求7所述的基于知识图谱的家电故障预测系统,其特征在于,所述数据处理模块包括:
数据提取单元,用于按独立设备号对历史运行数据进行数据提取,得到独立设备运行数据;
参数生成单元,用于根据每一个独立设备运行数据中生成正常运行参数以及异常运行参数,所述异常运行参数根据故障发生前预设时长内对应的独立设备运行数据提取得到;
预警特征生成单元,用于综合所有正常运行参数,生成正常运行参数范围,通过比对所有异常运行参数,生成故障预警特征,并构建故障预警特征知识图谱。
9.根据权利要求7所述的基于知识图谱的家电故障预测系统,其特征在于,所述检测判定模块包括:
独立判据截取单元,用于按照预设时间间隔截取实时运行数据,得到独立判据;
数据统计单元,用于判定独立判据是否在正常运行参数范围之内,若不在正常运行参数范围之内,则为数据异常,统计数据异常发生频率;
检测判定单元,用于在数据异常发生频率超过预设值时,判定需要进行故障预测检测。
10.根据权利要求7所述的基于知识图谱的家电故障预测系统,其特征在于,所述风险预警模块包括:
运行数据截取单元,用于截取预设时长的实时运行数据;
波形特征提取单元,用于根据实时运行数据绘制波形图,并根据波形图提取波形特征,得到实时运行特征;
重合率计算单元,用于将实时运行特征与故障预警特征进行对比,计算重合率,重合率超过预设值即判定存在风险。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210952190.1A CN115018220A (zh) | 2022-08-10 | 2022-08-10 | 一种基于知识图谱的家电故障预测方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210952190.1A CN115018220A (zh) | 2022-08-10 | 2022-08-10 | 一种基于知识图谱的家电故障预测方法和系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115018220A true CN115018220A (zh) | 2022-09-06 |
Family
ID=83065805
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210952190.1A Pending CN115018220A (zh) | 2022-08-10 | 2022-08-10 | 一种基于知识图谱的家电故障预测方法和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115018220A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116132326A (zh) * | 2023-01-17 | 2023-05-16 | 无锡锐泰节能系统科学有限公司 | 一种综合能效数据管理方法及系统 |
CN116402492A (zh) * | 2023-03-16 | 2023-07-07 | 广东省智能家电研究院 | 一种家电维修预警方法及其相关设备 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH0954613A (ja) * | 1995-08-11 | 1997-02-25 | Toshiba Corp | プラント設備監視装置 |
CN110836696A (zh) * | 2019-12-04 | 2020-02-25 | 江苏方天电力技术有限公司 | 适于调相机系统的远程故障预测方法和系统 |
CN111830409A (zh) * | 2020-06-30 | 2020-10-27 | 佛山科学技术学院 | 一种基于深度神经网络的电机热故障诊断方法及装置 |
CN112101666A (zh) * | 2020-09-16 | 2020-12-18 | 珠海格力电器股份有限公司 | 一种故障预测方法、装置、可读存储介质和计算机设备 |
CN112596495A (zh) * | 2020-12-07 | 2021-04-02 | 中科蓝智(武汉)科技有限公司 | 一种基于知识图谱的工业设备故障诊断方法及系统 |
CN112884199A (zh) * | 2021-01-15 | 2021-06-01 | 华自科技股份有限公司 | 水电站设备故障预测方法、装置、计算机设备和存储介质 |
CN114465874A (zh) * | 2022-04-07 | 2022-05-10 | 北京宝兰德软件股份有限公司 | 故障预测方法、装置、电子设备与存储介质 |
CN114692433A (zh) * | 2022-04-28 | 2022-07-01 | 中原环保股份有限公司 | 一种配电柜表面温度巡检的故障分析方法 |
-
2022
- 2022-08-10 CN CN202210952190.1A patent/CN115018220A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH0954613A (ja) * | 1995-08-11 | 1997-02-25 | Toshiba Corp | プラント設備監視装置 |
CN110836696A (zh) * | 2019-12-04 | 2020-02-25 | 江苏方天电力技术有限公司 | 适于调相机系统的远程故障预测方法和系统 |
CN111830409A (zh) * | 2020-06-30 | 2020-10-27 | 佛山科学技术学院 | 一种基于深度神经网络的电机热故障诊断方法及装置 |
CN112101666A (zh) * | 2020-09-16 | 2020-12-18 | 珠海格力电器股份有限公司 | 一种故障预测方法、装置、可读存储介质和计算机设备 |
CN112596495A (zh) * | 2020-12-07 | 2021-04-02 | 中科蓝智(武汉)科技有限公司 | 一种基于知识图谱的工业设备故障诊断方法及系统 |
CN112884199A (zh) * | 2021-01-15 | 2021-06-01 | 华自科技股份有限公司 | 水电站设备故障预测方法、装置、计算机设备和存储介质 |
CN114465874A (zh) * | 2022-04-07 | 2022-05-10 | 北京宝兰德软件股份有限公司 | 故障预测方法、装置、电子设备与存储介质 |
CN114692433A (zh) * | 2022-04-28 | 2022-07-01 | 中原环保股份有限公司 | 一种配电柜表面温度巡检的故障分析方法 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116132326A (zh) * | 2023-01-17 | 2023-05-16 | 无锡锐泰节能系统科学有限公司 | 一种综合能效数据管理方法及系统 |
CN116132326B (zh) * | 2023-01-17 | 2023-06-27 | 无锡锐泰节能系统科学有限公司 | 一种综合能效数据管理方法及系统 |
CN116402492A (zh) * | 2023-03-16 | 2023-07-07 | 广东省智能家电研究院 | 一种家电维修预警方法及其相关设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP3902992B1 (en) | Scalable system and engine for forecasting wind turbine failure | |
US20220245297A1 (en) | Scalable system and method for forecasting wind turbine failure using scada alarm and event logs | |
CN109524139B (zh) | 一种基于设备工况变化的实时设备性能监测方法 | |
CN104866632B (zh) | 家电设备的故障数据获取方法、装置及终端 | |
CN115018220A (zh) | 一种基于知识图谱的家电故障预测方法和系统 | |
US20150346066A1 (en) | Asset Condition Monitoring | |
US11152126B2 (en) | Abnormality diagnosis system and abnormality diagnosis method | |
EP3416011B1 (en) | Monitoring device, and method for controlling monitoring device | |
CN113763667B (zh) | 一种基于5g边缘计算的火灾预警及状态监测装置及方法 | |
US11480948B2 (en) | Monitoring target selecting device, monitoring target selecting method, and program | |
CN110469461B (zh) | 一种风机齿带的断裂预估方法、其装置及可读存储介质 | |
EP3416012B1 (en) | Monitoring device, and method for controlling monitoring device | |
CN106652393B (zh) | 假警报确定方法及装置 | |
CN111929579B (zh) | 发电机在线故障诊断方法、设备及计算机设备 | |
CN111879522B (zh) | 基于时序概率的汽轮机运行监测和故障判别方法及系统 | |
CN111555899B (zh) | 告警规则配置方法、设备状态监测方法、装置和存储介质 | |
EP3312844B1 (en) | Abnormality indication monitoring system | |
CN116306240A (zh) | 设备健康与寿命预测方法、装置、计算机设备及存储介质 | |
KR102470804B1 (ko) | 회전기계의 결함을 종합적으로 진단하는 방법 및 시스템 | |
CN115878598A (zh) | 监控数据处理方法、电子设备及存储介质 | |
EP2618231A2 (en) | System and method for monitoring, diagnostics, and prognostics | |
EP3303835B1 (en) | Method for windmill farm monitoring | |
CN112737120A (zh) | 区域电网控制报告的生成方法、装置和计算机设备 | |
JP7315017B2 (ja) | 時系列データ処理方法 | |
Rigamonti et al. | AN ADVANCED EARLY FAULT DETECTION TOOL FOR PREDICTIVE MAINTENANCE OF A FLEET OF INDUSTRIAL GAS TURBINES |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20220906 |