CN115840915B - 机电设备故障的自动识别方法、系统、终端及存储介质 - Google Patents
机电设备故障的自动识别方法、系统、终端及存储介质 Download PDFInfo
- Publication number
- CN115840915B CN115840915B CN202211465543.1A CN202211465543A CN115840915B CN 115840915 B CN115840915 B CN 115840915B CN 202211465543 A CN202211465543 A CN 202211465543A CN 115840915 B CN115840915 B CN 115840915B
- Authority
- CN
- China
- Prior art keywords
- fault
- reason
- component
- acquiring
- reasons
- 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
Classifications
-
- 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
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Debugging And Monitoring (AREA)
Abstract
本申请涉及一种机电设备故障的自动识别方法、系统、终端及存储介质,属于故障识别的技术领域,其方法包括:当机电设备发生故障时,获取机电设备的实际故障现象;获取预设的方案数据库,包括理论故障现象、故障元器件以及故障原因;获取预设的原因概率表,包括故障元器件,以及故障元器件对应的每个故障原因的发生概率值;将实际故障现象与理论故障现象进行匹配,并获得相应的故障元器件,作为预测故障元器件;获取预测故障元器件对应的故障原因,作为预测原因;基于原因概率表对预测原因进行排序,并获得排序原因。本申请具有提高设备故障查找的效率,及时对设备的故障进行排除,尽可能保证设备能够及时进行正常工作的效果。
Description
技术领域
本申请涉及故障识别的技术领域,尤其是涉及一种机电设备故障的自动识别方法、系统、终端及存储介质。
背景技术
机电设备系统由多个元器件组成,这些元件之间按照一定的逻辑关系实现全系统的工作运转,部分元件的损坏将直接或间接影响机电设备的健康状态。所以机电设备运行过程中,及时寻找并发现机电设备的故障,是保证机电设备能够正常工作运行的重要步骤。
现在检查机电设备发生故障的原因时,通常是维修人员首先根据设备发生的故障,然后根据经验逐一排查可能发生故障的元件位置。然而,通过这种方式进行故障的查找,不仅查找的效率低,而且可能会由于维修人员经验不足,在故障排查过程中遗漏部分可能引起故障发生的原因,导致无法寻找到设备故障发生的原因,进而耽误设备的正常工作。
发明内容
为了提高设备故障查找的效率,及时对设备的故障进行排除,尽可能保证设备能够及时进行正常工作,本申请提供一种机电设备故障的自动识别方法、系统、终端及存储介质。
第一方面,本申请提供一种机电设备故障的自动识别方法,采用如下的技术方案:
一种机电设备故障的自动识别方法,包括:
当机电设备发生故障时,获取所述机电设备的实际故障现象;
获取预设的方案数据库,所述方案数据库包括理论故障现象、与所述理论故障现象对应的至少一个故障元器件,以及与所述故障元器件对应的至少一个故障原因;
获取预设的原因概率表,所述原因概率表包括所述故障元器件,以及所述故障元器件对应的每个所述故障原因的发生概率值;
将所述实际故障现象与所述理论故障现象进行匹配,并获得相应的所述故障元器件,作为预测故障元器件;
获取所述预测故障元器件对应的所述故障原因,作为预测原因;
基于所述原因概率表对所述预测原因进行排序,并获得排序原因。
通过采用上述技术方案,将实际故障现象与理论故障信息进行匹配,能够获得预测故障元器件,然后根据预测故障元器件获取对应的故障原因,接着根据原因概率表对故障原因进行匹配,获得排序原因。从而能够根据故障现象对设备的故障原因进行查找,能够尽可能防止原因遗漏情况发生的可能性,同时对故障原因进行排序,使工作人员优先对发生概率大的故障原因进行排查,能够尽可能快的排除设备的故障,从而尽可能保证设备能够及时进行正常工作。
作为优选,在获得所述排序原因之后,还包括:
获取预设的所述故障原因对应的解决方案;
基于所述排序原因获取相应的所述解决方案,并作为实际方案。
通过采用上述技术方案,能够在获得故障原因之后提供相应的解决方案,方便工作人员对故障进行排除。
作为优选,在获得所述排序原因之后,还包括:
获取预设的设备数据库,所述设备数据库包括故障子系统、与所述故障子系统对应的故障组件,以及与所述故障组件对应的所述故障元器件;
基于所述预测故障元器件和所述设备数据库获取相应的所述故障组件,作为预测故障组件;
获取所述预测故障组件对应的所述故障子系统,作为预测故障子系统;
基于所述排序原因对所述预测故障子系统进行排序,并获得排序子系统。
通过采用上述技术方案,根据预测故障元器件能够确定相应的预测故障组件以及预测故障子系统,并对预测故障子系统进行排序,获得排序子系统,从而方便有序的对机电设备的子系统进行检查。
作为优选,在获得所述排序原因之后,还包括:
获取最终的解决方案信息,所述解决方案信息包括实际故障元器件、所述实际故障现象、实际故障原因和最终解决方案;
判断所述实际故障原因与所述排序原因是否匹配;
若不匹配,则将所述解决方案信息添加至所述方案数据库以更新所述方案数据库。
通过采用上述技术方案,将与排序原因不匹配的实际故障原因对应的解决方案信息添加至方案数据库,并对方案数据进行更新,能够尽可能对数据库进行完善,从而提高对设备故障的排查能力。
作为优选,若所述实际故障原因与所述排序原因匹配时,还包括:
获取所述实际故障元器件对应的所述故障元器件发生故障的次数,作为故障次数;
判断所述故障次数是否超过预设次数;
若超过,则基于预设的次数概率表获取相应的所述实际故障元器件的概率增加值,所述次数概率表包括所述概率增加值以及与所述概率增加值对应的发生次数;
基于所述概率增加值和相应的所述发生概率值获取更新概率值;
基于所述更新概率值以更新所述原因概率表中的所述发生概率值。
通过采用上述技术方案,当故障次数超过预设次数,证明相应的故障元器件发生故障的概率会提高,所以此时获取更新概率值并对原因概率表中的发生概率值进行更新,能够使获得的排序原因的排序更加准确,从而能够进一步提高故障原因排查的准确性。
作为优选,在获得所述排序原因之后,还包括:
获取所述排序原因的发生概率值,作为排序概率值;
判断是否存在小于或等于预设概率值的所述排序概率值;
若存在,则获取相应的所述排序概率值对应的所述排序原因,作为隐藏原因;
将所述隐藏原因从所述排序原因中进行隐藏。
通过采用上述技术方案,将小于或等于预设概率值的排序概率值对应的排序原因进行隐藏,说明隐藏原因发生的概率很小,可以忽略不计,此时进行隐藏能够减少不必要的检查,节约时间。
作为优选,在所述将所述隐藏原因从所述排序原因中进行隐藏之前,还包括:
获取预设的元器件故障原因表,所述元器件故障原因表包括一个所述故障元器件的所述故障原因,以及同一个所述故障原因与不同的所述故障元器件之间的关联关系;
基于所述元器件故障原因表,判断所述隐藏原因是否对应存在相应的所述故障元器件;
若存在,则获取相应的所述故障元器件,作为关联元器件;
判断所述预测故障元器件是否存在所述关联元器件;
若存在所述关联元器件,则不隐藏相应的所述隐藏原因;
若不存在所述关联元器件,则执行将所述隐藏原因从所述排序原因中进行隐藏的步骤。
通过采用上述技术方案,判断隐藏原因是否存在对应的故障元器件,能够判断发生故障的故障元器件能否对隐藏原因产生影响,如果存在,则不隐藏,否则就隐藏。从而能够提高是否将隐藏原因进行隐藏判断的准确性。
第二方面,本申请提供一种机电设备故障的自动识别系统,采用如下的技术方案:
一种机电设备故障的自动识别系统,包括:
现象获取模块,用于当机电设备发生故障时,获取所述机电设备的实际故障现象;
数据库获取模块,用于获取预设的方案数据库,所述方案数据库包括理论故障现象、与所述理论故障现象对应的至少一个故障元器件,以及与所述故障元器件对应的至少一个故障原因;
概率表获取模块,用于获取预设的原因概率表,所述原因概率表包括所述故障元器件,以及所述故障元器件对应的每个所述故障原因的发生概率值;
元器件获取模块,用于将所述实际故障现象与所述理论故障现象进行匹配,并获得相应的所述故障元器件,作为预测故障元器件;
原因获取模块,用于获取所述预测故障元器件对应的所述故障原因,作为预测原因;
原因排序模块,用于基于所述原因概率表对所述预测原因进行排序,并获得排序原因。
通过采用上述技术方案,根据各个模块之间的数据传输,将实际故障现象与理论故障信息进行匹配,能够获得预测故障元器件,然后根据预测故障元器件获取对应的故障原因,接着根据原因概率表对故障原因进行匹配,获得排序原因。从而能够根据故障现象对设备的故障原因进行查找,能够尽可能防止原因遗漏情况发生的可能性,同时对故障原因进行排序,使工作人员优先对发生概率大的故障原因进行排查,能够尽可能快的排除设备的故障,从而尽可能保证设备能够及时进行正常工作。
第三方面,本申请提供一种智能终端,采用如下的技术方案:
一种智能终端,包括:
存储器,用于存储能够在处理器上运行的计算机程序;
所述处理器,在运行所述计算机程序时,能够执行上述任一项所述方法的步骤。
通过采用上述技术方案,存储器能够对信息进行存储,处理器能够对信息进行调取并发出控制指令,保证程序的有序执行并实现上述方案的效果。
第四方面,本申请提供一种计算机可读存储介质,采用如下的技术方案:
一种计算机可读存储介质,存储有能够被处理器加载并执行上述任一种方法的计算机程序。
通过采用上述技术方案,当所述计算机可读存储介质被装入任一计算机后,任一计算机就能执行本申请提供的一种机电设备故障的自动识别方法。
综上所述,本申请包括以下至少一种有益技术效果:
1.根据故障现象对设备的故障原因进行查找,能够尽可能防止原因遗漏情况发生的可能性,同时对故障原因进行排序,使工作人员优先对发生概率大的故障原因进行排查,能够尽可能快的排除设备的故障,从而尽可能保证设备能够及时进行正常工作;
2.当故障次数超过预设次数,证明相应的故障元器件发生故障的概率会提高,所以此时获取更新概率值并对原因概率表中的发生概率值进行更新,能够使获得的排序原因的排序更加准确,从而能够进一步提高故障原因排查的准确性;
3.判断隐藏原因是否存在对应的故障元器件,能够判断发生故障的故障元器件能否对隐藏原因产生影响,如果存在,则不隐藏,否则就隐藏。从而能够提高是否将隐藏原因进行隐藏判断的准确性。
附图说明
图1是本申请实施例提供的一种机电设备故障的自动识别方法的流程示意图;
图2是本申请一个实施例中步骤S1至步骤S12的流程示意图;
图3是本申请一个实施例中步骤S21至步骤S24的流程示意图;
图4是本申请一个实施例中步骤S31至步骤S33的流程示意图;
图5是本申请一个实施例中步骤S41至步骤S45的流程示意图;
图6是本申请一个实施例中步骤S51至步骤S54的流程示意图;
图7是本申请一个实施例中步骤S61至步骤S66的流程示意图;
图8是本申请实施例提供的一种机电设备故障的自动识别系统的结构框图。
附图标记说明:
1、现象获取模块;2、数据库获取模块;3、概率表获取模块;4、元器件获取模块;5、原因获取模块;6、原因排序模块。
具体实施方式
以下结合附图1至8对本申请作进一步详细说明。
本申请实施例公开一种机电设备故障的自动识别方法。
参照图1,机电设备故障的自动识别方法包括:
S1.当机电设备发生故障时,获取机电设备的实际故障现象;
当机电设备发生故障时,首先获取机电设备当实际故障现象,获取方式可以是通过人工输入的方式,例如设备不同当元器件发生故障时,会产生不同的现象,同一个元器件发生故障同样可能存在不同的现象,例如设备产生屏幕显示异常的现象,形成的原因就会有多种原因。
S2.获取预设的方案数据库;
然后,获取预设的方案数据库,其中,方案数据库包括理论故障现象、与理论故障现象对应的至少一个故障元器件,以及与故障元器件对应的至少一个故障原因。当然,方案数据库中的所有数据均可以是通过采集历史的试验参数后获取。
S3.获取预设的原因概率表;
接着,获取预设的原因概率表,其中,原因概率表包括故障元器件,以及故障元器件对应的每个故障原因的发生概率值,发生概率值可以是通过历史的参数数据进行总结后获得,例如通过采集若干个相同的机电设备的相同的故障现象,并对故障现象对应的元器件产生的故障原因进行收集,然后获取每个原因在所有原因中所占的比例,即可获得发生概率值。当然,对于同一个元器件不同的故障原因的概率值的获取,可以是将同一个元器件中每个发生故障原因发生的次数,在同一个元器件中所有故障发生的次数中所占的比例,即可获取到发生概率值。
S4.将实际故障现象与理论故障现象进行匹配,并获得相应的故障元器件,作为预测故障元器件;
当获得实际故障现象和方案数据库之后,将实际故障现象与理论故障现象进行匹配,匹配的方式可以通过识别关键字的方式,如果识别到关键字,则证明匹配成功,否则失败。例如,理论故障现象设置为屏幕显示故障,实际故障现象为屏幕蓝屏,则关键字设置为屏幕,当识别到实际故障现象中存在屏幕关键字时,证明与理论故障现象匹配成功。
然后,将匹配到的理论故障现象对应的故障元器件,作为预测故障元器件,也就是可能导致实际故障现象产生的元器件。
S5.获取预测故障元器件对应的故障原因,作为预测原因;
当获取到预测故障元器件之后,此时将预测故障元器件与方案数据库中的故障元器件进行匹配,匹配的方式同样可以是通过名称匹配的方式。然后将方案数据库中与预测故障元器件匹配的故障元器件的故障原因,作为预测原因。
S6.基于原因概率表对预测原因进行排序,并获得排序原因;
最后,根据原因概率表对预测原因进行排序,并获得排序原因,具体方式可以是,通过获取原因概率表中所有匹配到的预测原因对应当发生概率值,然后根据发生概率值的大小,按照从大到小的顺序对相应的预测原因进行排序,从而获得排序原因。
即通过上述的方式能够将发生的故障原因按照发生概率值从大到小的方式进行排序,从而使工作人员优先对发生概率大的故障原因进行排查,能够尽可能快的排除设备的故障,进而尽可能保证设备能够及时进行正常工作。
参照图2,为了能够尽快的获得故障的解决方案,在另一个实施例中,在获得排序原因之后,还包括:
S11.获取预设的故障原因对应的解决方案;
S12.基于排序原因获取相应的解决方案,并作为实际方案;
具体来说,在获得排序原因之后,获取预设的故障原因对应的解决方案,例如,方案数据库中每个故障原因均对应有至少一个解决方案,解决方案同样可以是通过历史的解决方案获取并存储,然后可以从方案数据库中进行读取。
再然后,根据排序原因获取对应的解决方案,作为实际方案,也就是获取每个排序原因中的故障原因对应的解决方案,从而使解决方案能够对相应的故障原因进行对应,进而方便相关的工作人员通过相应的解决方案对设备的故障进行排除。
参照图3,为了方便对存在故障的元器件的子系统进行溯源查询,在另一个实施例中,在获得排序原因之后,还包括:
S21.获取预设的设备数据库;
在获得排序原因之后,获取预设的设备数据库,其中,设备数据库包括故障子系统、与故障子系统对应的故障组件,以及与故障组件对应的故障元器件。具体获取方式可以根据机电设备的设备BOM构型,获取子系统与组件,以及组件与元器件之间的关联关系,从而能够获得故障子系统、与故障子系统对应的故障组件,以及与故障组件对应的故障元器件。
S22.基于预测故障元器件和设备数据库获取相应的故障组件,作为预测故障组件;
然后,将预测故障元器件与设备数据库中的故障元器件进行匹配,并将匹配到的故障元器件对应的故障组件作为预测故障组件,也就是可能存在故障的组件。
S23.获取预测故障组件对应的故障子系统,作为预测故障子系统;
S24.基于排序原因对预测故障子系统进行排序,并获得排序子系统。
接着,获取预测故障组件在设备数据库中对应的故障子系统,并作为预测故障子系统,最后,根据排序原因对预测故障子系统进行排序,并获得排序子系统。
获取排序子系统的方式,可以是获取同一个故障元器件对应的排序原因存在的数量,作为故障数量,然后按照故障数量从大到小的顺序对故障元器件所在的预测故障子系统进行排序,从而获得排序子系统。
进而,能够根据预测故障元器件能够确定相应的预测故障组件以及预测故障子系统,并对预测故障子系统进行排序,获得排序子系统,从而方便有序的对机电设备的子系统进行检查。
参照图4,在另一个实施例中,为了能够尽可能对数据库进行完善,从而提高对设备故障的排查能力,在获得排序原因之后,还包括:
S31.获取最终的解决方案信息;
接着,获取最终的解决方案信息,获取方式可以是对机电设备进行故障排除之后,将解决的方案存储到系统中,即将解决方案信息进行存储,其中,解决方案信息包括实际故障元器件、实际故障现象、实际故障原因和最终解决方案。
S32.判断实际故障原因与排序原因是否匹配;
然后判断实际故障原因与排序原因是否匹配,也就是判断排序原因中是否存在实际故障原因,判断是否匹配的方式就是判断二者的名称是否相同,如果相同,则匹配,否则就是不匹配。
S33.若不匹配,则将解决方案信息添加至方案数据库以更新方案数据库。
如果不匹配,证明方案数据库中不存在当前故障的故障原因,因此为了方便后续出现相同的问题时,能够及时发现故障的原因以及解决的方案,此时将解决方案信息添加至方案数据库以更新方案数据库。而如果匹配,则不需要进行其他的操作。进而能够尽可能对数据库进行完善,从而提高对设备故障的排查能力。
参照图5,为了能够使获得的排序原因的排序更加准确,从而能够进一步提高故障原因排查的准确性,在另一个实施例中,若实际故障原因与排序原因匹配时,还包括:
S41.获取实际故障元器件对应的故障元器件发生故障的次数,作为故障次数;
获取方式可以是每次进行故障排查之后,均会将解决方案信息进行上传,每上传一次均会对方案数据库中对应当故障元器件的故障次数进行增加,并将最终的发生故障的次数增加至方案数据库中进行存储,所以当获取到实际故障元器件对应的故障元器件之后,即可在方案数据库中读取相应的故障的次数,即故障次数。
S42.判断故障次数是否超过预设次数;
然后系统判断故障次数是否超过预设次数,即判断相应的故障元器件发生故障的概率是否会增加,其中,预设次数可以根据实际情况进行设置,例如可以根据不同的元器件进行试验之后,获取元器件发生故障的次数超过一定次数之后,发生故障的概率会增加的临界次数。
S43.若超过,则基于预设的次数概率表获取相应的实际故障元器件的概率增加值;
如果故障次数超过预设次数,即故障次数大于预设次数,此时根据预设的次数概率表获取相应的实际故障元器件的概率增加值,其中,次数概率表包括概率增加值以及与概率增加值对应的发生次数。
也就是将故障次数与次数概率表中的发生次数进行对比,其中,次数概率表中当发生次数为一个范围值,当故障次数在范围值内时,即证明故障次数与发生次数匹配,因此可以获得匹配到的发生次数对应的概率增加值。
S44.基于概率增加值和相应的发生概率值获取更新概率值;
也就是用概率增加值加上发生概率值,获取当值即为更新概率值。即同一个实际故障原因对应概率增加值,机上实际故障原因对应当发生概率值。
S45.基于更新概率值以更新原因概率表中的发生概率值。
最后,用更新概率值更新原因概率表中,实际故障原因对应的发生概率值,从而能够根据故障元器件发生故障的次数,调整事故发生原因的概率,使获得的排序原因的排序更加准确,进而能够进一步提高故障原因排查的准确性。
参照图6,为了能够对发生概率较小的故障原因进行隐藏,节约时间,在另一个实施例中,在获得排序原因之后,还包括:
S51.获取排序原因的发生概率值,作为排序概率值;
S52.判断是否存在小于或等于预设概率值的排序概率值;
S53.若存在,则获取相应的排序概率值对应的排序原因,作为隐藏原因;
S54.将隐藏原因从排序原因中进行隐藏。
具体来说,首先获取排序原因的发生概率值,作为排序概率值,并判断是否存在小于或等于预设概率值的排序概率值,其中,预设概率值可以根据实际情况进行设置,例如设置预设概率值为1%,如果小于或等于1%,证明故障原因发生的概率较小,可以忽略不计。
所以,如果存在小于或等于预设概率值的排序概率值,此时获取相应的排序概率值对应的排序原因,作为隐藏原因,并将隐藏原因从排序原因中进行隐藏,进而说明隐藏原因发生的概率很小,可以忽略不计,此时进行隐藏能够减少不必要的检查,节约时间。而如果不存在,证明排序原因发生的概率都较大,此时不进行隐藏。
参照图7,能够提高是否将隐藏原因进行隐藏判断的准确性,在另一个实施例中,在将隐藏原因从排序原因中进行隐藏之前,还包括:
S61.获取预设的元器件故障原因表;
将隐藏原因从排序原因中进行隐藏之前,获取预设的元器件故障原因表,其中,元器件故障原因表包括一个故障元器件的故障原因,以及同一个故障原因与不同的故障元器件之间的关联关系。也就是如果一个元器件发生故障,与之存在关联关系的元器件也可能会发生故障。
S62.基于元器件故障原因表,判断隐藏原因是否对应存在相应的故障元器件;
也就是获取隐藏原因对应的故障元器件,然后根据元器件故障原因表判断隐藏原因对应的故障元器件是否存在有关联关系的故障元器件,如果元器件故障原因表中存在二者的关联关系,证明隐藏原因存在相应的故障元器件。
S63.若存在,则获取相应的故障元器件,作为关联元器件;
如果存在相应的故障元器件,则获取元器件故障原因表中与隐藏原因的故障元器件对应的故障元器件作为关联元器件。
S64.判断预测故障元器件是否存在关联元器件;
接着,判断预测故障元器件是否存在关联元器件,即判断可能存在故障的元器件是否是关联元器件,如果是,证明关联元器件可能是故障元器件,所以可能隐藏原因的产生是由于关联元器件导致。
S65.若存在关联元器件,则不隐藏相应的隐藏原因;
S66.若不存在关联元器件,则执行将隐藏原因从排序原因中进行隐藏的步骤。
因此,当存在关联元器件时,证明隐藏原因产生的概率增加,所以此时不隐藏相应的隐藏原因,而如果不存在,则继续执行将隐藏原因从排序原因中进行隐藏的步骤,从而能够提高是否将隐藏原因进行隐藏判断的准确性。
本申请实施例一种机电设备故障的自动识别方法的实施原理为:当机电设备发生故障时,获取机电设备的实际故障现象,接着获取预设的方案数据库,方案数据中包括理论故障现象、与理论故障现象对应的至少一个故障元器件,以及与故障元器件对应的至少一个故障原因;同时获取预设的原因概率表,原因概率表中包括故障元器件,以及故障元器件对应的每个故障原因的发生概率值。
然后将实际故障现象与理论故障信息进行匹配,能够获得预测故障元器件,然后根据预测故障元器件获取对应的故障原因,作为预测原因,接着根据原因概率表对预测原因进行匹配,获得排序原因。从而能够根据故障现象对设备的故障原因进行查找,能够尽可能防止原因遗漏情况发生的可能性,同时对故障原因进行排序,使工作人员优先对发生概率大的故障原因进行排查,能够尽可能快的排除设备的故障,从而尽可能保证设备能够及时进行正常工作。
本申请实施例还公开一种机电设备故障的自动识别系统,能够达到如上述一种机电设备故障的自动识别方法同样的技术效果。
参照图8,机电设备故障的自动识别系统包括:
现象获取模块1,用于当机电设备发生故障时,获取机电设备的实际故障现象;
数据库获取模块2,用于获取预设的方案数据库,方案数据库包括理论故障现象、与理论故障现象对应的至少一个故障元器件,以及与故障元器件对应的至少一个故障原因;
概率表获取模块3,用于获取预设的原因概率表,原因概率表包括故障元器件,以及故障元器件对应的每个故障原因的发生概率值;
元器件获取模块4,用于将实际故障现象与理论故障现象进行匹配,并获得相应的故障元器件,作为预测故障元器件;
原因获取模块5,用于获取预测故障元器件对应的故障原因,作为预测原因;
原因排序模块6,用于基于原因概率表对预测原因进行排序,并获得排序原因。
具体来说,首先,当机电设备发生故障时,现象获取模块1获取机电设备的实际故障现象,并发送给与其相连的元器件获取模块4。同时,数据库获取模块2获取预设的方案数据库,方案数据库包括理论故障现象、与理论故障现象对应的至少一个故障元器件,以及与故障元器件对应的至少一个故障原因,并将数据发送给与其相连的元器件获取模块4。
同时,概率表获取模块3获取预设的原因概率表,原因概率表包括故障元器件,以及故障元器件对应的每个故障原因的发生概率值,并发送给与其相连的原因排序模块6。
然后,元器件获取模块4,将实际故障现象与理论故障现象进行匹配,并获得相应的故障元器件,作为预测故障元器件,并发送给与其相连的原因获取模块5,然后原因获取模块5获取预测故障元器件对应的故障原因,作为预测原因,并发送给与其相连的原因排序模块6。
最后,原因排序模块6根据原因概率表对预测原因进行排序,并获得排序原因,并对排序原因进行展示。
从而能够根据故障现象对设备的故障原因进行查找,能够尽可能防止原因遗漏情况发生的可能性,同时对故障原因进行排序,使工作人员优先对发生概率大的故障原因进行排查,能够尽可能快的排除设备的故障,从而尽可能保证设备能够及时进行正常工作。
本申请实施例还公开一种智能终端,包括存储器和处理器。存储器,存储有智能计算机程序。处理器,在运行智能计算机程序时,能够执行上述机电设备故障的自动识别方法的步骤。智能计算机程序能够采用公知的处理程序对数据进行识别、查询、判断等一系列步骤,从而实现对机电设备故障的自动识别。
本申请实施例还公开一种计算机可读存储介质,其存储有能够被处理器加载并执行如上述的机电设备故障的自动识别方法的计算机程序,该计算机可读存储介质例如包括:U盘、移动硬盘、只读存储器(Read-Only Memory,ROM)、随机存取存储器(Random AccessMemory,RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
以上均为本申请的较佳实施例,并非依此限制本申请的保护范围,故:凡依本申请的结构、形状、原理所做的等效变化,均应涵盖于本申请的保护范围之内。
Claims (8)
1.一种机电设备故障的自动识别方法,其特征在于,包括:
当机电设备发生故障时,获取所述机电设备的实际故障现象;
获取预设的方案数据库,所述方案数据库包括理论故障现象、与所述理论故障现象对应的至少一个故障元器件,以及与所述故障元器件对应的至少一个故障原因;
获取预设的原因概率表,所述原因概率表包括所述故障元器件,以及所述故障元器件对应的每个所述故障原因的发生概率值;
将所述实际故障现象与所述理论故障现象进行匹配,并获得相应的所述故障元器件,作为预测故障元器件;
获取所述预测故障元器件对应的所述故障原因,作为预测原因;
基于所述原因概率表对所述预测原因进行排序,并获得排序原因;
在获得所述排序原因之后,还包括:
获取所述排序原因的发生概率值,作为排序概率值;
判断是否存在小于或等于预设概率值的所述排序概率值;
若存在,则获取相应的所述排序概率值对应的所述排序原因,作为隐藏原因;
将所述隐藏原因从所述排序原因中进行隐藏;
在所述将所述隐藏原因从所述排序原因中进行隐藏之前,还包括:
获取预设的元器件故障原因表,所述元器件故障原因表包括一个所述故障元器件的所述故障原因,以及同一个所述故障原因与不同的所述故障元器件之间的关联关系;
基于所述元器件故障原因表,判断所述隐藏原因是否对应存在相应的所述故障元器件;
若存在,则获取相应的所述故障元器件,作为关联元器件;
判断所述预测故障元器件是否存在所述关联元器件;
若存在所述关联元器件,则不隐藏相应的所述隐藏原因;
若不存在所述关联元器件,则执行将所述隐藏原因从所述排序原因中进行隐藏的步骤。
2.根据权利要求1所述的自动识别方法,其特征在于,在获得所述排序原因之后,还包括:
获取预设的所述故障原因对应的解决方案;
基于所述排序原因获取相应的所述解决方案,并作为实际方案。
3.根据权利要求1所述的自动识别方法,其特征在于,在获得所述排序原因之后,还包括:
获取预设的设备数据库,所述设备数据库包括故障子系统、与所述故障子系统对应的故障组件,以及与所述故障组件对应的所述故障元器件;
基于所述预测故障元器件和所述设备数据库获取相应的所述故障组件,作为预测故障组件;
获取所述预测故障组件对应的所述故障子系统,作为预测故障子系统;
基于所述排序原因对所述预测故障子系统进行排序,并获得排序子系统。
4.根据权利要求1所述的自动识别方法,其特征在于,在获得所述排序原因之后,还包括:
获取最终的解决方案信息,所述解决方案信息包括实际故障元器件、所述实际故障现象、实际故障原因和最终解决方案;
判断所述实际故障原因与所述排序原因是否匹配;
若不匹配,则将所述解决方案信息添加至所述方案数据库以更新所述方案数据库。
5.根据权利要求4所述的自动识别方法,其特征在于,若所述实际故障原因与所述排序原因匹配时,还包括:
获取所述实际故障元器件对应的所述故障元器件发生故障的次数,作为故障次数;
判断所述故障次数是否超过预设次数;
若超过,则基于预设的次数概率表获取相应的所述实际故障元器件的概率增加值,所述次数概率表包括所述概率增加值以及与所述概率增加值对应的发生次数;
基于所述概率增加值和相应的所述发生概率值获取更新概率值;
基于所述更新概率值以更新所述原因概率表中的所述发生概率值。
6.一种机电设备故障的自动识别系统,其特征在于,包括:
现象获取模块(1),用于当机电设备发生故障时,获取所述机电设备的实际故障现象;
数据库获取模块(2),用于获取预设的方案数据库,所述方案数据库包括理论故障现象、与所述理论故障现象对应的至少一个故障元器件,以及与所述故障元器件对应的至少一个故障原因;
概率表获取模块(3),用于获取预设的原因概率表,所述原因概率表包括所述故障元器件,以及所述故障元器件对应的每个所述故障原因的发生概率值;
元器件获取模块(4),用于将所述实际故障现象与所述理论故障现象进行匹配,并获得相应的所述故障元器件,作为预测故障元器件;
原因获取模块(5),用于获取所述预测故障元器件对应的所述故障原因,作为预测原因;
原因排序模块(6),用于基于所述原因概率表对所述预测原因进行排序,并获得排序原因;
在获得所述排序原因之后,还包括:
获取所述排序原因的发生概率值,作为排序概率值;
判断是否存在小于或等于预设概率值的所述排序概率值;
若存在,则获取相应的所述排序概率值对应的所述排序原因,作为隐藏原因;
将所述隐藏原因从所述排序原因中进行隐藏;
在所述将所述隐藏原因从所述排序原因中进行隐藏之前,还包括:
获取预设的元器件故障原因表,所述元器件故障原因表包括一个所述故障元器件的所述故障原因,以及同一个所述故障原因与不同的所述故障元器件之间的关联关系;
基于所述元器件故障原因表,判断所述隐藏原因是否对应存在相应的所述故障元器件;
若存在,则获取相应的所述故障元器件,作为关联元器件;
判断所述预测故障元器件是否存在所述关联元器件;
若存在所述关联元器件,则不隐藏相应的所述隐藏原因;
若不存在所述关联元器件,则执行将所述隐藏原因从所述排序原因中进行隐藏的步骤。
7.一种智能终端,其特征在于,包括:
存储器,用于存储能够在处理器上运行的计算机程序;
所述处理器,在运行所述计算机程序时,能够执行如权利要求1至5任一项所述方法的步骤。
8.一种计算机可读存储介质,其特征在于:存储有能够被处理器加载并执行如权利要求1至5中任一种方法的计算机程序。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211465543.1A CN115840915B (zh) | 2022-11-22 | 2022-11-22 | 机电设备故障的自动识别方法、系统、终端及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211465543.1A CN115840915B (zh) | 2022-11-22 | 2022-11-22 | 机电设备故障的自动识别方法、系统、终端及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115840915A CN115840915A (zh) | 2023-03-24 |
CN115840915B true CN115840915B (zh) | 2023-07-28 |
Family
ID=85575861
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211465543.1A Active CN115840915B (zh) | 2022-11-22 | 2022-11-22 | 机电设备故障的自动识别方法、系统、终端及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115840915B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117193252A (zh) * | 2023-09-28 | 2023-12-08 | 广东百德朗科技有限公司 | 基于数据平台的智慧楼宇远程运维方法、装置及电子设备 |
CN117273392B (zh) * | 2023-11-16 | 2024-02-09 | 四川省致链数字科技有限公司 | 家具生产决策方法、装置、电子设备及存储介质 |
CN118194583A (zh) * | 2024-04-03 | 2024-06-14 | 中国电子产品可靠性与环境试验研究所((工业和信息化部电子第五研究所)(中国赛宝实验室)) | 元器件结构分析方法、装置、计算机设备和存储介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN203070663U (zh) * | 2013-02-01 | 2013-07-17 | 南京工业职业技术学院 | 一种汽车起动故障教学设备 |
CN109213773A (zh) * | 2017-07-06 | 2019-01-15 | 阿里巴巴集团控股有限公司 | 一种在线故障的诊断方法、装置及电子设备 |
CN114838122A (zh) * | 2022-03-29 | 2022-08-02 | 中国人民解放军陆军装甲兵学院 | 一种变速箱换挡液压系统在环的故障检测系统及其方法 |
Family Cites Families (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6651034B1 (en) * | 1999-10-28 | 2003-11-18 | General Electric Company | Apparatus and method for performance and fault data analysis |
CN104993464A (zh) * | 2015-07-15 | 2015-10-21 | 国网河南省电力公司漯河供电公司 | 一种电力系统继电保护故障分析方法 |
CN108008332B (zh) * | 2017-11-29 | 2020-02-14 | 国网山东省电力公司电力科学研究院 | 一种基于数据挖掘的新能源远程测试设备故障诊断方法 |
US10949285B2 (en) * | 2018-03-20 | 2021-03-16 | Optumsoft, Inc. | Matchset-based automatic root cause analysis including determining a first fault scenario is to be subsumed by a second fault scenario |
CN110704224A (zh) * | 2019-09-18 | 2020-01-17 | 上海麦克风文化传媒有限公司 | 一种线上故障处理方法及系统 |
CN111552848B (zh) * | 2020-04-30 | 2023-04-07 | 中国航空无线电电子研究所 | 一种基于图数据库的航电系统故障分析方法 |
CN111858120B (zh) * | 2020-07-20 | 2023-07-28 | 北京百度网讯科技有限公司 | 故障预测方法、装置、电子设备及存储介质 |
CN112803592B (zh) * | 2021-01-13 | 2023-03-31 | 广东省电力开发有限公司 | 一种适用于分布式电站的智能故障预警方法及系统 |
CN113515449A (zh) * | 2021-05-19 | 2021-10-19 | 中国工商银行股份有限公司 | 一种混沌测试方法、系统、电子设备及存储介质 |
CN113537349A (zh) * | 2021-07-16 | 2021-10-22 | 中国工商银行股份有限公司 | 大型主机硬件故障识别方法、装置、设备及存储介质 |
CN113987027A (zh) * | 2021-11-03 | 2022-01-28 | 华自科技股份有限公司 | 一种基于故障预测的设备状态确定方法、装置及介质 |
CN114360742A (zh) * | 2022-01-11 | 2022-04-15 | 杭州卓健信息科技股份有限公司 | 一种基于数据分析的药物警戒数据更新系统及方法 |
-
2022
- 2022-11-22 CN CN202211465543.1A patent/CN115840915B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN203070663U (zh) * | 2013-02-01 | 2013-07-17 | 南京工业职业技术学院 | 一种汽车起动故障教学设备 |
CN109213773A (zh) * | 2017-07-06 | 2019-01-15 | 阿里巴巴集团控股有限公司 | 一种在线故障的诊断方法、装置及电子设备 |
CN114838122A (zh) * | 2022-03-29 | 2022-08-02 | 中国人民解放军陆军装甲兵学院 | 一种变速箱换挡液压系统在环的故障检测系统及其方法 |
Also Published As
Publication number | Publication date |
---|---|
CN115840915A (zh) | 2023-03-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115840915B (zh) | 机电设备故障的自动识别方法、系统、终端及存储介质 | |
CN108445410B (zh) | 一种监测蓄电池组运行状态的方法及装置 | |
CN100559350C (zh) | 基于历史对可疑组件排优先级 | |
US8509985B2 (en) | Detecting anomalies in fault code settings and enhancing service documents using analytical symptoms | |
CN109669844B (zh) | 设备故障处理方法、装置、设备和存储介质 | |
US5351247A (en) | Adaptive fault identification system | |
CN113282461B (zh) | 传输网的告警识别方法和装置 | |
CN111209131A (zh) | 一种基于机器学习确定异构系统的故障的方法和系统 | |
CN113689911B (zh) | 一种故障诊断方法、装置、设备及可读存储介质 | |
CN112540887A (zh) | 故障演练方法、装置、电子设备及存储介质 | |
CN112286771A (zh) | 一种针对全域资源监控的告警方法 | |
CN111190832A (zh) | 一种性能瓶颈定位和调优方法、装置及系统 | |
CN114418146A (zh) | 基于规则引擎的机电设备故障诊断方法、系统及终端 | |
CN114238474A (zh) | 基于排水系统的数据处理方法、装置、设备及存储介质 | |
CN113010394A (zh) | 一种用于数据中心的机房故障检测方法 | |
CN117313012A (zh) | 服务编排系统的故障管理方法、装置、设备及存储介质 | |
CN116955071A (zh) | 故障分类方法、装置、设备及存储介质 | |
US20220374300A1 (en) | Fault Processing Method and System | |
KR100916140B1 (ko) | 반도체 제조 설비의 알람 처리 장치 및 그 방법 | |
CN114328147B (zh) | 一种测试异常处理方法、装置、电子设备及存储介质 | |
CN113296994B (zh) | 一种基于国产计算平台的故障诊断系统及方法 | |
CN112699005A (zh) | 服务器硬件故障监控的方法、电子设备及存储介质 | |
CN110751745A (zh) | 一种电网调控一体化机房的巡检方法 | |
CN112988792B (zh) | 一种晶圆良率问题数据库的搜索方法和装置 | |
CN113177023B (zh) | 一种日志检索方法、装置及电子设备 |
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 |