CN116126655A - 采煤机故障提示方法、系统、存储介质及设备 - Google Patents
采煤机故障提示方法、系统、存储介质及设备 Download PDFInfo
- Publication number
- CN116126655A CN116126655A CN202310344213.5A CN202310344213A CN116126655A CN 116126655 A CN116126655 A CN 116126655A CN 202310344213 A CN202310344213 A CN 202310344213A CN 116126655 A CN116126655 A CN 116126655A
- Authority
- CN
- China
- Prior art keywords
- fault
- state
- fault detection
- state information
- vector
- 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.)
- Granted
Links
- 239000003245 coal Substances 0.000 title claims abstract description 132
- 238000005065 mining Methods 0.000 title claims abstract description 70
- 238000000034 method Methods 0.000 title claims abstract description 55
- 238000003860 storage Methods 0.000 title claims abstract description 25
- 238000001514 detection method Methods 0.000 claims abstract description 126
- 238000012545 processing Methods 0.000 claims abstract description 17
- 238000004891 communication Methods 0.000 claims abstract description 11
- 239000013598 vector Substances 0.000 claims description 194
- 238000012549 training Methods 0.000 claims description 40
- 238000004590 computer program Methods 0.000 claims description 13
- 238000009826 distribution Methods 0.000 claims description 11
- 230000004044 response Effects 0.000 claims description 6
- 230000008569 process Effects 0.000 description 17
- 238000010586 diagram Methods 0.000 description 8
- 230000006870 function Effects 0.000 description 7
- 238000004364 calculation method Methods 0.000 description 6
- 239000011159 matrix material Substances 0.000 description 6
- 230000003287 optical effect Effects 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 3
- 238000005070 sampling Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 239000000428 dust Substances 0.000 description 2
- 235000013312 flour Nutrition 0.000 description 2
- 239000013307 optical fiber Substances 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 238000005096 rolling process Methods 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 230000003416 augmentation Effects 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000005520 cutting process Methods 0.000 description 1
- 238000013434 data augmentation Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 230000007257 malfunction Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000011176 pooling Methods 0.000 description 1
- 230000017105 transposition Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/30—Monitoring
- G06F11/32—Monitoring with visual or acoustical indication of the functioning of the machine
- G06F11/324—Display of status information
- G06F11/327—Alarm or error message display
-
- 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
-
- 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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/04—Manufacturing
-
- 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
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- Tourism & Hospitality (AREA)
- Economics (AREA)
- General Business, Economics & Management (AREA)
- Quality & Reliability (AREA)
- Strategic Management (AREA)
- Operations Research (AREA)
- General Engineering & Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Manufacturing & Machinery (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Testing And Monitoring For Control Systems (AREA)
Abstract
本公开涉及一种采煤机故障提示方法、系统、存储介质及设备，应用于故障检测装置，故障检测装置与可穿戴无线显示装置通信连接，方法包括：获取采煤机的实时状态信息，并将实时状态信息更新进状态信息队列；对实时状态信息进行处理，得到第一显示驱动数据；将状态信息队列输入预先训练得到的故障检测模型，得到故障检测结果；基于故障检测结果，得到第二显示驱动数据；将第一显示驱动数据和第二显示驱动数据发送至可穿戴无线显示装置，以使得可穿戴无线显示装置显示采煤机当前运行状态以及故障状态。不仅可以可靠地确定采煤机是否故障，可以便捷地通过可穿戴无线显示装置对工作人员进行提示，有效地提高了采煤机工作时的安全性能。
Description
技术领域
本公开涉及采煤领域，具体地，涉及一种采煤机故障提示方法、系统、存储介质及设备。
背景技术
在相关技术中，对于采煤机的状态查询以及故障提示，因为按钮所占面板比例较高显示界面较小，仅可选取几项信息显示，实时故障采取滚动提示展示，观察不够全面。在工作面粉尘浓度高的时候，更不易查看采煤机的显示信息。同时，还存在故障检测准确率较低的问题。
发明内容
提供该发明内容部分以便以简要的形式介绍构思，这些构思将在后面的具体实施方式部分被详细描述。该发明内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征，也不旨在用于限制所要求的保护的技术方案的范围。
根据本公开实施例的第一方面，提供一种采煤机故障提示方法，应用于故障检测装置，所述故障检测装置与可穿戴无线显示装置通信连接，所述方法包括：
获取采煤机的实时状态信息，并将所述实时状态信息更新进状态信息队列；
对所述实时状态信息进行处理，得到第一显示驱动数据；
将所述状态信息队列输入预先训练得到的故障检测模型，得到故障检测结果；
基于所述故障检测结果，得到第二显示驱动数据；
将所述第一显示驱动数据和所述第二显示驱动数据发送至所述可穿戴无线显示装置，以使得所述可穿戴无线显示装置显示采煤机当前运行状态以及故障状态。
根据本公开实施例的第二方面，提供一种采煤机故障提示系统，包括故障检测装置以及可穿戴无线显示装置，所述故障检测装置与所述可穿戴无线显示装置通信连接，所述故障检测装置用于：
获取采煤机的实时状态信息，并将所述实时状态信息更新进状态信息队列；
对所述实时状态信息进行处理，得到第一显示驱动数据；
将所述状态信息队列输入预先训练得到的故障检测模型，得到故障检测结果；
基于所述故障检测结果，得到第二显示驱动数据；
将所述第一显示驱动数据和所述第二显示驱动数据发送至所述可穿戴无线显示装置，以使得所述可穿戴无线显示装置显示采煤机当前运行状态以及故障状态。
根据本公开实施例的第三方面，提供一种计算机可读介质，其上存储有计算机程序，该程序被处理装置执行时本公开第一方面中任一项所述方法的步骤。
根据本公开实施例的第四方面，提供一种电子设备，包括：
存储装置，其上存储有计算机程序；
处理装置，用于执行所述存储装置中的所述计算机程序，以实现本公开第一方面中任一项所述方法的步骤。
利用上述技术方案，通过故障检测单元采集采煤机的实时状态信息，并基于实时状态信息对应的状态信息队列确定采煤机的故障信息，同时将状态信息以及故障信息对应的驱动数据发送至可穿戴无线显示装置，以使得该可穿戴无线显示装置能够显示采煤机的当前状态以及当前的故障情况，不仅可以可靠地确定采煤机是否故障，还可以便捷地通过可穿戴无线显示装置对工作人员进行提示，有效地提高了采煤机工作时的安全性能，可靠地保障了采煤机操作人员的人身安全。
本公开的其他特征和优点将在随后的具体实施方式部分予以详细说明。
附图说明
结合附图并参考以下具体实施方式，本公开各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中，相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的，原件和元素不一定按照比例绘制。在附图中：
图1是根据一示例性实施例示出的一种采煤机故障提示方法的流程图。
图2是根据一示例性实施例示出的一种采煤机故障提示系统的示意图。
图3是根据一示例性实施例示出的一种电子设备的框图。
具体实施方式
下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例，然而应当理解的是，本公开可以利用各种形式来实现，而且不应该被解释为限于这里阐述的实施例，相反提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是，本公开的附图及实施例仅用于示例性作用，并非用于限制本公开的保护范围。
应当理解，本公开的方法实施方式中记载的各个步骤可以按照不同的顺序执行，和/或并行执行。此外，方法实施方式可以包括附加的步骤和/或省略执行示出的步骤。本公开的范围在此方面不受限制。
本文使用的术语“包括”及其变形是开放性包括，即“包括但不限于”。术语“依据”是“至少部分地依据”。术语“一个实施例”表示“至少一个实施例”；术语“另一实施例”表示“至少一个另外的实施例”；术语“一些实施例”表示“至少一些实施例”。其他术语的相关定义将在下文描述中给出。
需要注意，本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分，并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。
需要注意，本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的，本领域技术人员应当理解，除非在上下文另有明确指出，否则应该理解为“一个或多个”。
本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的，而并不是用于对这些消息或信息的范围进行限制。
操作的电子设备、应用程序、服务器或存储介质等软件或硬件提供个人信息。
同时，可以理解的是，本技术方案所涉及的数据（包括但不限于数据本身、数据的获取或使用）应当遵循相应法律法规及相关规定的要求。
在相关技术中，对于采煤机的状态查询以及故障提示，经历过三个发展阶段，从原始的肉眼直接观察阶段，到声音预警阶段，再到现在的符号图形显示阶段。目前采煤机可以通过采煤机机载显示屏查询状态信息，也可以通过采煤机无线遥控器搭载的微型显示屏查看部分信息，但由于工作面条件限制，采煤机司机往往在采煤机停止状态下才能方便操作机载显示屏查看采煤机信息和故障记录。现有的遥控器因为按钮所占面板比例较高，显示界面较小，仅可选取几项信息显示，实时故障采取滚动提示展示，观察不够全面。在工作面粉尘浓度高的时候，更不易查看采煤机的显示信息。同时，由于采煤机故障种类的多样性，难以准确地确定采煤机存在何种故障，还存在故障检测准确率较低的问题。
基于此，本公开实施例提供一种采煤机故障提示方法、系统、存储介质及设备，以克服相关技术中存在的问题。
图1是根据一示例性实施例示出的一种采煤机故障提示方法的流程图，应用于故障检测装置，所述故障检测装置与可穿戴无线显示装置通信连接，该可穿戴无线显示装置例如可以是头戴式显示器。示例地，该通信连接例如可以是蓝牙连接，或者，WiFi连接，或者，通过蜂窝网络连接等等，本公开对此不作限定。
如图1所示，所述方法包括：
S101、获取采煤机的实时状态信息，并将所述实时状态信息更新进状态信息队列。
可选地，采煤机的实时状态信息例如可以包括采煤机当前的输入功率、输出功率、采煤机滚筒的电压、液压系统压力信息、电流信息、温度信息、摇臂倾角、三维空间位置、采煤机截割状态等等信息，本公开实施例对此不作具体限定。
可以理解的是，该状态信息队列可以包括N条不同时间采集到的实时状态信息，在有新的实时状态信息更新至该状态信息队列时，则可以将序列末尾的最旧的实时状态信息删除。这样，可以在占据最小的存储空间的情况下，对采煤机是否故障进行检测。
S102、对所述实时状态信息进行处理，得到第一显示驱动数据。
示例地，可以将当前的各种状态数据进行筛选或组合之后，得到用于驱动可穿戴无线显示装置的第一显示驱动数据，以使得可穿戴无线显示装置能够显示实时状态信息对应的图像，进而使得工作人员能够直观地查看当前的采煤机状态信息。
S103、将所述状态信息队列输入预先训练得到的故障检测模型，得到故障检测结果。
具体地，可以基于状态信息队列确定采煤机当前是否存在故障，或者，还可以确定存在何种故障。
在一些实施例中，该故障检测模型可以是在其他电子设备上训练后，发送至该故障检测装置的，或者，还可以是在该故障检测装置中训练得到的，本公开对此不作限定。
S104、基于所述故障检测结果，得到第二显示驱动数据。
可以理解的是，在故障检测结果表征存在某种故障时，则可以基于第二显示驱动数据对可穿戴无线显示装置进行驱动，以使得该可穿戴无线显示装置显示相应的故障信息，进而使得工作人员对该故障进行排查。
S105、将所述第一显示驱动数据和所述第二显示驱动数据发送至所述可穿戴无线显示装置，以使得所述可穿戴无线显示装置显示采煤机当前运行状态以及故障状态。
在本公开实施例中，通过故障检测单元采集采煤机的实时状态信息，并基于实时状态信息对应的状态信息队列确定采煤机的故障信息，同时将状态信息以及故障信息对应的驱动数据发送至可穿戴无线显示装置，以使得该可穿戴无线显示装置能够显示采煤机的当前状态以及当前的故障情况，不仅可以可靠地确定采煤机是否故障，还可以便捷地通过可穿戴无线显示装置对工作人员进行提示，有效地提高了采煤机工作时的安全性能，可靠地保障了采煤机操作人员的人身安全。
在一些可选地实施例中，将所述状态信息队列输入预先训练得到的故障检测模型，得到故障检测结果，包括：
将状态信息队列输入故障检测模型中，确定状态信息队列对应的状态特征向量，故障检测模型用于检测一种或多种采煤机故障。
获取多个范例状态队列分别对应的目标范例向量，多个范例状态队列对应于一种或多种采煤机故障。
基于状态特征向量与多个范例状态队列分别对应的目标范例向量，确定状态信息队列对应的置信参数。
基于置信参数确定状态信息队列的故障聚类，故障聚类为包括故障检测模型可识别的一种或多种采煤机故障的第一故障聚类或者不包括故障检测模型可识别的一种或多种采煤机故障的第二故障聚类。
响应于状态信息队列对应于第一故障聚类，则确定状态信息队列在第一故障聚类下对应的目标采煤机故障。
本实施例中，可以基于对应于一种或多种采煤机故障的多个范例状态队列，预先训练一个能够识别一种或多种采煤机故障的故障检测模型。故障检测模型的模型训练过程，将在下文进行详细说明。由于模型训练过程与使用模型对状态信息队列进行行为识别的过程有相似之处，这里仅先描述使用模型的过程。
在故障检测过程中，故障检测模型起到的一个重要作用是特征工程，包括：确定状态信息队列的状态特征向量，以及确定多个范例状态队列分别对应的状态特征向量。
为了便于区分，本实施例中，将多个范例状态队列分别对应的状态特征向量称为目标范例向量，下文中的状态特征向量均指状态信息队列的状态特征向量。
在确定状态信息队列的状态特征向量时，故障检测模型的工作过程如下：
利用数据采样单元对输入的状态信息队列进行采样确定包括多时刻的实时状态信息；
利用特征工程单元对状态信息队列中的多时刻的实时状态信息进行采样确定状态信息队列对应的多个特征向量；
对多个特征向量进行池化处理确定状态信息队列对应的状态特征向量。
多个范例状态队列分别对应的目标范例向量的获取过程与状态信息队列的状态特征向量的确定过程类似，具体地，可将多个范例状态队列依次输入到训练完成的故障检测模型中，确定多个范例状态队列分别的目标范例向量。
在获取状态特征向量和多个范例状态队列分别对应的目标范例向量之后，可基于状态特征向量和前述多个目标范例向量，确定状态信息队列对应于第二故障聚类的概率。本实施例中，用置信参数来表示状态信息队列对应于第二故障聚类的概率。
在具体实施过程中，可选地，可先基于多个范例状态队列分别对应的目标范例向量，确定多个范例状态队列对应的特征分布参数；然后，基于状态特征向量与多个范例状态队列对应的特征分布参数，确定状态信息队列对应的置信参数。其中，特征分布参数包括：多个范例状态队列分别对应的目标范例向量的参量平均和参量关系矩阵。
可选地，基于状态特征向量和多个范例状态队列分别对应的目标范例向量，确定状态信息队列对应的置信参数，包括如下过程：
基于多个范例状态队列分别对应的目标范例向量，确定多个范例状态队列对应的特征分布参数，其中，特征分布参数包括多个目标范例向量的参量平均和参量关系矩阵；其中，参量关系矩阵例如可以是协方差矩阵；
确定状态特征向量与多个目标范例向量的参量平均之间的参量偏差值；
基于参量偏差值和参量关系矩阵，确定状态信息队列对应的置信参数。
可选地，基于参量偏差值和参量关系矩阵，确定状态信息队列对应的置信参数，包括：
将参量偏差值的转置、参量关系矩阵的逆以及参量偏差值三者的乘积确定为状态信息队列对应的置信参数。
置信参数用于表示状态信息队列对应于第二故障聚类的概率，在实际应用中，可预先设置一置信参数阈值，基于实际计算出的置信参数与置信参数阈值的大小关系，确定状态信息队列对应于第一故障聚类或者第二故障聚类。比如：当状态信息队列对应的置信参数大于置信参数阈值时，确定状态信息队列对应于第二故障聚类；当状态信息队列对应的置信参数小于或等于置信参数阈值时，确定状态信息队列对应于第一故障聚类。
可选地，响应于状态信息队列对应于第二故障聚类，则输出用于提示对状态信息队列进行新的采煤机故障标记的提示信息，以便于对故障检测模型进行优化训练。
响应于状态信息队列对应于第一故障聚类，则确定状态信息队列在第一故障聚类下对应的目标采煤机故障。
其中，确定状态信息队列在第一故障聚类下对应的目标采煤机故障，包括如下过程：
获取一种或多种采煤机故障分别对应的范例聚类特征，范例聚类特征是故障检测模型中可迭代的变量；
基于状态特征向量与一种或多种采煤机故障分别对应的范例聚类向量间的距离，确定状态信息队列在第一故障聚类下对应的目标采煤机故障。在一可选实施例中，可以利用计算状态特征向量与一种或多种采煤机故障分别对应的范例聚类向量间的余弦距离，确定其对应的距离。
某一采煤机故障的范例聚类特征，可以理解为，该采煤机故障的通用特征。故障检测模型在训练时，通常会先为各个采煤机故障随机初始化一个聚类特征，用于表示各采煤机故障的通用特征，然后，在训练过程中不断调整该聚类特征，以在故障检测模型训练完成后，得到真正能够正确表示各采煤机故障通用特征的范例聚类特征。
由于不同类别的范例聚类特征所包括的信息不同，因此，基于状态特征向量与范例聚类向量间的距离，可以确定状态信息队列对应的目标采煤机故障。
目标采煤机故障对应的范例聚类特征与状态特征向量之间的距离大于其他采煤机故障分别对应的范例聚类特征与状态特征向量之间的距离。
综上，本发明实施例提供的方案中，先基于状态信息队列的特征与多个范例状态队列分别对应的目标范例向量，确定状态信息队列的置信参数；之后，基于置信参数确定状态信息队列对应于第一故障聚类还是对应于第二故障聚类，当状态信息队列对应于第一故障聚类时，进一步确定其在第一故障聚类下对应的目标采煤机故障。由此，不仅能够对对应于第一故障聚类的状态信息队列进行准确的采煤机故障识别，还能够有效检测出状态信息队列是否对应于第二故障聚类，能够避免将对应于第二故障聚类的状态信息队列错误的分类到某个第一故障聚类下，从而可提高故障检测结果的准确性。
以上介绍了故障检测模型的使用过程，下面介绍下故障检测模型的训练过程。
在一些可选地实施例中故障检测模型训练方法可以包括如下步骤：
获取第一采煤机故障对应的第一范例状态队列和多个第二范例状态队列。
利用故障检测模型确定第一范例状态队列对应的第一范例向量以及多个第二范例状态队列对应的多个第二范例向量。
确定第一范例向量与故障检测模型确定得到的第一采煤机故障对应的聚类向量间的第一距离，以及第一范例向量分别与第一向量组合中向量间的第二距离，第一向量组合中包括多个第二范例向量。
确定第二向量组合，第二向量组合包括故障检测模型确定得到的第二采煤机故障对应的聚类特征以及第二采煤机故障对应的范例状态队列对应的范例向量；其中，第二采煤机故障包括一种或多种采煤机故障中除第一采煤机故障外的采煤机故障。
确定第一范例向量与第二向量组合中向量间的第三距离。
以使得第一距离、第二距离降低为训练条件，基于第一距离、第二距离以及第三距离，确定第一范例状态队列对应的训练代价值；基于训练代价值训练故障检测模型。
其中，基于训练代价值训练故障检测模型，即为利用反向传播来迭代模型参数。其中，模型参数包括各个采煤机故障对应的聚类特征，故障检测模型在训练时，会利用不断“学习”调整各个采煤机故障的聚类特征。
具体来说，为进行故障检测模型的训练，需要预先获得对应于一种或多种采煤机故障的大量的范例状态队列（即上文中的多个范例状态队列）。在训练故障检测模型时，针对每种采煤机故障，可以设有对应的范例集也即训练集，其中包括多个范例状态队列。
可选地，采煤机故障例如可以包括采煤机液压系统故障、失温故障、采煤机截割部故障、摇臂故障、电路故障等等，本公开实施例对此不作限定。
示例地，假设要训练故障检测模型对X种采煤机故障进行故障检测，对于X种采煤机故障中的某一个采煤机故障，例如液压系统故障，本实施例中称之为第一采煤机故障，除第一采煤机故障外的其他X-1种采煤机故障称之为第二采煤机故障。假设第一采煤机故障对应的范例集中包括Y个范例状态队列，对于Y个范例状态队列中的某一个范例状态队列，本实施例中称之为第一范例状态队列，除第一训练样本外的其他范例状态队列均称为第二范例状态队列。
首先，获取第一采煤机故障对应的第一范例状态队列和多个第二范例状态队列。
可选地，可先获取第一采煤机故障对应的第一范例集；然后，对第一范例集中包括的范例状态队列进行数据增广处理，确定第二范例集；之后，从第二范例集中获取第一范例状态队列和多个第二范例状态队列。这样，可以利用增广处理可以扩大样本数量。
之后，利用故障检测模型确定第一范例状态队列对应的第一范例向量以及多个第二范例状态队列对应的多个第二范例向量。其确定过程可以参考前述实施例中的相关说明，在此不赘述。
实际上，故障检测模型在训练过程中，也会利用故障检测模型确定第二采煤机故障对应的范例状态队列的范例向量。
本实施例中，为了便于描述，定义了两个向量集，分别为第一向量组合和第二向量组合。其中，第一向量组合中包括确定的多个第二范例向量，即同对应于第一采煤机故障的多个第二范例状态队列对应的范例向量；第二向量组合中包括故障检测模型确定得到的第二采煤机故障对应的聚类特征，以及第二采煤机故障对应的范例状态队列的范例向量。需要说明的是，故障检测模型确定得到的第二采煤机故障对应的聚类特征，实际上是指除第一采煤机故障外的其他X-1种采煤机故障对应的X-1个聚类特征，可以理解为一个特征集。
之后，对第一范例向量和故障检测模型确定得到的第一采煤机故障对应的聚类特征进行距离计算，以确定第一范例向量与故障检测模型确定得到的第一采煤机故障对应的聚类向量间的第一距离。由于不同采煤机故障对应的聚类特征是用于区分不同采煤机故障的，所以第一距离的计算实际上是用于度量第一范例状态队列对应于第一采煤机故障的概率。
对第一范例向量和第一向量组合中的各向量进行距离计算，确定第一范例向量分别与第一向量组合中各向量间的第二距离。由于第一向量组合是对应于第一采煤机故障中多个第二范例状态队列的，所述第二距离的计算实际上是用于区分第一采煤机故障中不同范例状态队列之间的差异性的。
对第一范例向量和第二向量组合中的各向量进行距离计算，确定第一范例向量与第二向量组合中各向量间的第三距离。由于第二向量组合中包括各第二采煤机故障的聚类特征以及各第二采煤机故障的各范例状态队列的范例向量，所述第三距离的计算实际上是用于度量第一采煤机故障中第一范例状态队列与各第二采煤机故障之间的差异性的。
可选地，本实施例中的距离，可利用计算向量间的欧式距离来确定。
之后，以使得第一距离、第二距离降低为训练条件，基于第一距离、第二距离以及第三距离，确定第一范例状态队列对应的训练代价值，并基于训练代价值迭代所述故障检测模型。其中，设定距离阈值为小于1的数值。
可以理解的是，以靠近小于1的设定距离阈值为训练条件，能够保留第一范例向量与第一采煤机故障的聚类向量间的差异性，以及第一范例向量与第一向量组合中各特征（即多个第二范例向量）之间的差异性，即让模型能够学习到更丰富的信息。
综上，本实施例中，基于小于1的距离阈值的设定，针对某一采煤机故障对应的多个范例状态队列，能够让模型学习到同一采煤机故障的不同范例状态队列的差异性特征，从而，有利于提高故障检测的准确度。
在一些可选地实施例中，该方法还可以包括如下步骤：
获取第一采煤机故障对应的第一范例状态队列和多个第二范例状态队列。
利用故障检测模型确定第一范例状态队列对应的第一范例向量以及多个第二范例状态队列对应的多个第二范例向量。
对第一范例状态队列进行序列随机排布操作，得到第三范例状态队列；利用故障检测模型确定第三范例状态队列对应的第三范例向量。
确定第一范例向量与故障检测模型确定得到的第一采煤机故障对应的聚类向量间的第一距离，以及第一范例向量分别与第一向量组合中向量间的第二距离，第一向量组合中包括多个第二范例向量和第三范例向量。
确定第二向量组合，第二向量组合包括故障检测模型确定得到的第二采煤机故障对应的聚类特征以及第二采煤机故障对应的范例状态队列对应的范例向量；其中，第二采煤机故障包括一种或多种采煤机故障中除第一采煤机故障外的采煤机故障。
确定第一范例向量与第二向量组合中向量间的第三距离。
以使得第一距离、第二距离降低为训练条件，基于第一距离、第二距离以及第三距离，确定第一范例状态队列对应的训练代价值；基于训练代价值训练故障检测模型。
本实施例中，在模型训练过程中，引入了第三范例状态队列。其中，第三范例状态队列是第一范例状态队列经过序列随机排布操作后得到的，利用序列随机排布操作，对范例状态队列在时间维度上进行增广，从而增强故障检测模型确定时间维度信息的能力，增强故障检测模型对第一故障聚类的分类能力以及故障聚类的分类能力。
在一些实施例汇总，可以首先获取第一采煤机故障对应的第一范例状态队列和多个第二范例状态队列，并对第一范例状态队列进行序列随机排布操作，得到第三范例状态队列。之后，利用故障检测模型确定第一范例状态队列对应的第一范例向量，多个第二范例状态队列对应的多个第二范例向量，以及第三范例状态队列对应的第三范例向量。将第三范例向量更新至第一向量组合中，第一向量组合包括多个第二范例向量和第三范例向量，第二向量组合包括故障检测模型确定得到的第二采煤机故障对应的聚类特征以及第二采煤机故障对应的范例状态队列的范例向量。
之后，计算第一范例向量与故障检测模型确定得到的第一采煤机故障对应的聚类向量间的第一距离，第一范例向量分别与第一向量组合中向量间的第二距离，第一范例向量与第二向量组合中向量间的第三距离。
最后，以使得第一距离、第二距离降低为训练条件，基于第一距离、第二距离以及第三距离，确定第一范例状态队列对应的训练代价值；基于训练代价值训练故障检测模型。
综上，在第一向量组合中添加了对第一范例状态队列进行序列随机排布操作后得到的第三范例状态队列对应的第三范例向量。以使得第一范例向量与第三样本向量间的距离降低为训练条件，一方面，能够保证序列随机排布操作后得到的第三范例状态队列与第一范例状态队列的状态信息存在相似性，另一方面，能够保证第三范例状态队列和第一范例状态队列的时间信息存在差异性。从而，本实施例中的故障检测模型训练方法，不仅有利于确定状态信息队列的故障聚类，还能够增强第一故障聚类的分类效果，大幅提升了故障检测的性能。
在一些实施例中，该方法还可以包括：
将状态信息队列输入故障检测模型中，确定所述状态信息队列对应的状态特征向量，所述故障检测模型用于检测一种或多种采煤机故障；
获取多个范例状态队列分别对应的目标范例向量，所述多个范例状态队列对应于所述一种或多种采煤机故障；
基于所述状态特征向量与所述多个范例状态队列分别对应的目标范例向量，确定所述状态信息队列对应的置信参数；
基于所述置信参数确定所述状态信息队列的故障聚类，所述故障聚类为包括所述一种或多种采煤机故障的第一故障聚类或者不包括所述一种或多种采煤机故障的第二故障聚类；
响应于所述状态信息队列对应于所述第一故障聚类，则确定所述状态信息队列在所述第一故障聚类下对应的目标采煤机故障。
上述执行过程可以参考前述其他实施例中的相关说明，在此不赘述。
图2是根据一示例性实施例示出的一种采煤机故障提示系统的示意图，如图2所示，采煤机故障提示系统200包括故障检测装置210以及可穿戴无线显示装置220，所述故障检测装置210与所述可穿戴无线显示装置220通信连接，所述故障检测装置210用于：
获取采煤机的实时状态信息，并将所述实时状态信息更新进状态信息队列；
对所述实时状态信息进行处理，得到第一显示驱动数据；
将所述状态信息队列实时状态驱动数据输入预先训练得到的故障检测模型，得到故障检测结果；
根据基于所述故障检测结果，得到第二显示驱动数据；
将所述第一显示驱动数据和所述第二显示驱动数据发送至所述可穿戴无线显示装置220，以使得所述可穿戴无线显示装置220显示采煤机当前运行状态以及故障状态。
可选地，所述将所述状态信息队列输入预先训练得到的故障检测模型，得到故障检测结果，包括：
将所述状态信息队列输入所述故障检测模型中，确定所述状态信息队列对应的状态特征向量，所述故障检测模型用于检测一种或多种采煤机故障；
获取多个范例状态队列分别对应的目标范例向量，所述多个范例状态队列对应于所述一种或多种采煤机故障；
基于所述状态特征向量与所述多个范例状态队列分别对应的目标范例向量，确定所述状态信息队列对应的置信参数；
基于所述置信参数确定所述状态信息队列的故障聚类，所述故障聚类为包括所述一种或多种采煤机故障的第一故障聚类或者不包括所述一种或多种采煤机故障的第二故障聚类；
响应于所述状态信息队列对应于所述第一故障聚类，则确定所述状态信息队列在所述第一故障聚类下对应的目标采煤机故障。
可选地，所述确定所述状态信息队列在所述第一故障聚类下对应的目标采煤机故障，包括：
获取所述一种或多种采煤机故障分别对应的范例聚类特征，所述范例聚类特征是所述故障检测模型中可迭代的变量；
基于所述状态特征向量与所述一种或多种采煤机故障分别对应的范例聚类向量间的距离，确定所述状态信息队列在所述第一故障聚类下对应的目标采煤机故障。
可选地，所述基于所述状态特征向量与所述多个范例状态队列分别对应的目标范例向量，确定所述状态信息队列对应的置信参数，包括：
基于所述多个范例状态队列分别对应的目标范例向量，确定所述多个范例状态队列对应的特征分布参数；
基于所述状态特征向量与所述多个范例状态队列对应的特征分布参数，确定所述状态信息队列对应的置信参数；
所述特征分布参数包括：所述多个范例状态队列分别对应的目标范例向量的参量平均和参量关系矩阵。
可选地，所述获取多个范例状态队列分别对应的目标范例向量，包括：
将所述多个范例状态队列依次输入到训练完成的所述故障检测模型中，确定所述多个范例状态队列分别对应的目标范例向量。
可选地，所述故障检测模型的训练，包括：
获取第一采煤机故障对应的第一范例状态队列和多个第二范例状态队列；
利用所述故障检测模型确定所述第一范例状态队列对应的第一范例向量以及所述多个第二范例状态队列对应的多个第二范例向量；
确定所述第一范例向量与所述故障检测模型确定得到的所述第一采煤机故障对应的聚类向量间的第一距离，以及所述第一范例向量分别与第一向量组合中向量间的第二距离，所述第一向量组合中包括所述多个第二范例向量；
确定第二向量组合，所述第二向量组合包括所述故障检测模型确定得到的第二采煤机故障对应的聚类特征以及所述第二采煤机故障对应的范例状态队列对应的范例向量；其中，所述第二采煤机故障包括所述一种或多种采煤机故障中除所述第一采煤机故障外的采煤机故障；
确定所述第一范例向量与所述第二向量组合中向量间的第三距离；
以使得所述第一距离、所述第二距离降低为训练条件，基于所述第一距离、所述第二距离以及所述第三距离，确定所述第一范例状态队列对应的训练代价值；
基于所述训练代价值迭代所述故障检测模型。
可选地，所述故障检测装置210还用于：
对所述第一范例状态队列进行序列随机排布操作，得到第三范例状态队列；
利用所述故障检测模型确定所述第三范例状态队列对应的第三范例向量；
将所述第三范例向量更新至所述第一向量组合中。
下面参考图3，其示出了适于用来实现本公开实施例的电子设备300的结构示意图。本公开实施例中的电子设备300可以包括但不限于诸如移动电话、笔记本电脑、数字广播接收器、PDA（个人数字助理）、PAD（平板电脑）、PMP（便携式多媒体播放器）、车载终端（例如车载导航终端）等等的移动终端以及诸如数字TV、台式计算机等等的固定终端。示例地，电子设备300还可以被提供为故障检测装置或者可穿戴无线显示装置。图3示出的电子设备仅仅是一个示例，不应对本公开实施例的功能和使用范围带来任何限制。
如图3所示，电子设备300可以包括处理装置（例如中央处理器、图形处理器等）301，其可以根据存储在只读存储器（ROM）302中的程序或者从存储装置308加载到随机访问存储器（RAM）303中的程序而执行各种适当的动作和处理。在RAM 303中，还存储有电子设备300操作所需的各种程序和数据。处理装置301、ROM 302以及RAM 303通过总线304彼此相连。输入/输出（I/O）接口305也连接至总线304。
通常，以下装置可以连接至I/O接口305：包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置306；包括例如液晶显示器（LCD）、扬声器、振动器等的输出装置307；包括例如磁带、硬盘等的存储装置308；以及通信装置309。通信装置309可以允许电子设备300与其他设备进行无线或有线通信以交换数据。虽然图3示出了具有各种装置的电子设备300，但是应理解的是，并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。
特别地，根据本公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在非暂态计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信装置309从网络上被下载和安装，或者从存储装置308被安装，或者从ROM 302被安装。在该计算机程序被处理装置301执行时，执行本公开实施例的方法中限定的上述功能。
需要说明的是，本公开上述的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或者是上述两者的任意组合。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可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器（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。在本公开中，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。而在本公开中，计算机可读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，该计算机可读信号介质可以发送、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：电线、光缆、RF（射频）等等，或者上述的任意合适的组合。
在一些实施方式中，故障检测装置以及可穿戴无线显示装置可以利用诸如HTTP（HyperTextTransfer Protocol，超文本传输协议）之类的任何当前已知或未来研发的网络协议进行通信，并且可以与任意形式或介质的数字数据通信（例如，通信网络）互连。通信网络的示例包括局域网（“LAN”），广域网（“WAN”），网际网（例如，互联网）以及端对端网络（例如，ad hoc端对端网络），以及任何当前已知或未来研发的网络。
上述计算机可读介质可以是上述电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。
上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该电子设备执行时，使得该电子设备执行上述方法实施例中所涉及的部分或全部步骤。
或者，上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该电子设备执行时，使得该电子设备执行上述方法实施例中所涉及的部分或全部步骤。
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公开的操作的计算机程序代码，上述程序设计语言包括但不限于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）——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）。
附图中的流程图和框图，图示了按照本公开各种实施例的系统、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，该模块、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，两个接连地表示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操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。
描述于本公开实施例中所涉及到的模块可以通过软件的方式实现，也可以通过硬件的方式来实现。其中，模块的名称在某种情况下并不构成对该模块本身的限定。
本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如，非限制性地，可以使用的示范类型的硬件逻辑部件包括：现场可编程门阵列（FPGA）、专用集成电路（ASIC）、专用标准产品（ASSP）、片上系统（SOC）、复杂可编程逻辑设备（CPLD）等等。
在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器（RAM）、只读存储器（ROM）、可擦除可编程只读存储器（EPROM或快闪存储器）、光纤、便捷式紧凑盘只读存储器（CD-ROM）、光学储存设备、磁储存设备、或上述内容的任何合适组合。
以上描述仅为本公开的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本公开中所涉及的公开范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述公开构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开中公开的（但不限于）具有类似功能的技术特征进行互相替换而形成的技术方案。
此外，虽然采用特定次序描绘了各操作，但是这不应当理解为要求这些操作以所示出的特定次序或以顺序次序执行来执行。在一定环境下，多任务和并行处理可能是有利的。同样地，虽然在上面论述中包含了若干具体实现细节，但是这些不应当被解释为对本公开的范围的限制。在单独的实施例的上下文中描述的某些特征还可以组合地实现在单个实施例中。相反地，在单个实施例的上下文中描述的各种特征也可以单独地或以任何合适的子组合的方式实现在多个实施例中。
尽管已经采用特定于结构特征和/或方法逻辑动作的语言描述了本主题，但是应当理解所附权利要求书中所限定的主题未必局限于上面描述的特定特征或动作。相反，上面所描述的特定特征和动作仅仅是实现权利要求书的示例形式。关于上述实施例中的装置，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。
Claims (10)
1.一种采煤机故障提示方法，其特征在于，应用于故障检测装置，所述故障检测装置与可穿戴无线显示装置通信连接，所述方法包括：
获取采煤机的实时状态信息，并将所述实时状态信息更新进状态信息队列；
对所述实时状态信息进行处理，得到第一显示驱动数据；
将所述状态信息队列输入预先训练得到的故障检测模型，得到故障检测结果；
基于所述故障检测结果，得到第二显示驱动数据；
将所述第一显示驱动数据和所述第二显示驱动数据发送至所述可穿戴无线显示装置，以使得所述可穿戴无线显示装置显示采煤机当前运行状态以及故障状态。
2.根据权利要求1所述的方法，其特征在于，所述将所述状态信息队列输入预先训练得到的故障检测模型，得到故障检测结果，包括：
将所述状态信息队列输入所述故障检测模型中，确定所述状态信息队列对应的状态特征向量，所述故障检测模型用于检测一种或多种采煤机故障；
获取多个范例状态队列分别对应的目标范例向量，所述多个范例状态队列对应于所述一种或多种采煤机故障；
基于所述状态特征向量与所述多个范例状态队列分别对应的目标范例向量，确定所述状态信息队列对应的置信参数；
基于所述置信参数确定所述状态信息队列的故障聚类，所述故障聚类为包括所述一种或多种采煤机故障的第一故障聚类或者不包括所述一种或多种采煤机故障的第二故障聚类；
响应于所述状态信息队列对应于所述第一故障聚类，则确定所述状态信息队列在所述第一故障聚类下对应的目标采煤机故障。
3.根据权利要求2所述的方法，其特征在于，所述确定所述状态信息队列在所述第一故障聚类下对应的目标采煤机故障，包括：
获取所述一种或多种采煤机故障分别对应的范例聚类特征，所述范例聚类特征是所述故障检测模型中可迭代的变量；
基于所述状态特征向量与所述一种或多种采煤机故障分别对应的范例聚类向量间的距离，确定所述状态信息队列在所述第一故障聚类下对应的目标采煤机故障。
4.根据权利要求2所述的方法，其特征在于，所述基于所述状态特征向量与所述多个范例状态队列分别对应的目标范例向量，确定所述状态信息队列对应的置信参数，包括：
基于所述多个范例状态队列分别对应的目标范例向量，确定所述多个范例状态队列对应的特征分布参数；
基于所述状态特征向量与所述多个范例状态队列对应的特征分布参数，确定所述状态信息队列对应的置信参数；
所述特征分布参数包括：所述多个范例状态队列分别对应的目标范例向量的参量平均和参量关系矩阵。
5.根据权利要求2至4中任一项所述的方法，其特征在于，所述获取多个范例状态队列分别对应的目标范例向量，包括：
将所述多个范例状态队列依次输入到训练完成的所述故障检测模型中，确定所述多个范例状态队列分别对应的目标范例向量。
6.根据权利要求2至4中任一项所述的方法，其特征在于，所述故障检测模型的训练，包括：
获取第一采煤机故障对应的第一范例状态队列和多个第二范例状态队列；
利用所述故障检测模型确定所述第一范例状态队列对应的第一范例向量以及所述多个第二范例状态队列对应的多个第二范例向量；
确定所述第一范例向量与所述故障检测模型确定得到的所述第一采煤机故障对应的聚类向量间的第一距离，以及所述第一范例向量分别与第一向量组合中向量间的第二距离，所述第一向量组合中包括所述多个第二范例向量；
确定第二向量组合，所述第二向量组合包括所述故障检测模型确定得到的第二采煤机故障对应的聚类特征以及所述第二采煤机故障对应的范例状态队列对应的范例向量；其中，所述第二采煤机故障包括所述一种或多种采煤机故障中除所述第一采煤机故障外的采煤机故障；
确定所述第一范例向量与所述第二向量组合中向量间的第三距离；
以使得所述第一距离、所述第二距离降低为训练条件，基于所述第一距离、所述第二距离以及所述第三距离，确定所述第一范例状态队列对应的训练代价值；
基于所述训练代价值迭代所述故障检测模型。
7.根据权利要求6所述的方法，其特征在于，所述方法还包括：
对所述第一范例状态队列进行序列随机排布操作，得到第三范例状态队列；
利用所述故障检测模型确定所述第三范例状态队列对应的第三范例向量；
将所述第三范例向量更新至所述第一向量组合中。
8.一种采煤机故障提示系统，其特征在于，包括故障检测装置以及可穿戴无线显示装置，所述故障检测装置与所述可穿戴无线显示装置通信连接，所述故障检测装置用于：
获取采煤机的实时状态信息，并将所述实时状态信息更新进状态信息队列；
对所述实时状态信息进行处理，得到第一显示驱动数据；
将所述状态信息队列输入预先训练得到的故障检测模型，得到故障检测结果；
基于所述故障检测结果，得到第二显示驱动数据；
将所述第一显示驱动数据和所述第二显示驱动数据发送至所述可穿戴无线显示装置，以使得所述可穿戴无线显示装置显示采煤机当前运行状态以及故障状态。
9.一种计算机可读介质，其上存储有计算机程序，其特征在于，该程序被处理装置执行时实现权利要求1-7中任一项所述方法的步骤。
10.一种电子设备，其特征在于，包括：
存储装置，其上存储有计算机程序；
处理装置，用于执行所述存储装置中的所述计算机程序，以实现权利要求1-7中任一项所述方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310344213.5A CN116126655B (zh) | 2023-04-03 | 2023-04-03 | 采煤机故障提示方法、系统、存储介质及设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310344213.5A CN116126655B (zh) | 2023-04-03 | 2023-04-03 | 采煤机故障提示方法、系统、存储介质及设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116126655A true CN116126655A (zh) | 2023-05-16 |
| CN116126655B CN116126655B (zh) | 2023-06-23 |
Family
ID=86295862
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310344213.5A Active CN116126655B (zh) | 2023-04-03 | 2023-04-03 | 采煤机故障提示方法、系统、存储介质及设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116126655B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116596958A (zh) * | 2023-07-18 | 2023-08-15 | 四川迪晟新达类脑智能技术有限公司 | 一种基于在线样本增广的目标跟踪方法及装置 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108255157A (zh) * | 2018-01-02 | 2018-07-06 | 北京新能源汽车股份有限公司 | 一种车辆故障显示方法、装置及汽车 |
| CN111368890A (zh) * | 2020-02-26 | 2020-07-03 | 珠海格力电器股份有限公司 | 故障检测方法及装置、信息物理融合系统 |
| CN113705882A (zh) * | 2021-08-25 | 2021-11-26 | 北京天地玛珂电液控制系统有限公司 | 采煤机的故障预测方法及装置 |
| CN115712874A (zh) * | 2022-11-15 | 2023-02-24 | 中国船舶集团有限公司第七〇九研究所 | 基于时间序列特征的热能动力系统故障诊断方法及装置 |
-
2023
- 2023-04-03 CN CN202310344213.5A patent/CN116126655B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108255157A (zh) * | 2018-01-02 | 2018-07-06 | 北京新能源汽车股份有限公司 | 一种车辆故障显示方法、装置及汽车 |
| CN111368890A (zh) * | 2020-02-26 | 2020-07-03 | 珠海格力电器股份有限公司 | 故障检测方法及装置、信息物理融合系统 |
| CN113705882A (zh) * | 2021-08-25 | 2021-11-26 | 北京天地玛珂电液控制系统有限公司 | 采煤机的故障预测方法及装置 |
| CN115712874A (zh) * | 2022-11-15 | 2023-02-24 | 中国船舶集团有限公司第七〇九研究所 | 基于时间序列特征的热能动力系统故障诊断方法及装置 |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116596958A (zh) * | 2023-07-18 | 2023-08-15 | 四川迪晟新达类脑智能技术有限公司 | 一种基于在线样本增广的目标跟踪方法及装置 |
| CN116596958B (zh) * | 2023-07-18 | 2023-10-10 | 四川迪晟新达类脑智能技术有限公司 | 一种基于在线样本增广的目标跟踪方法及装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116126655B (zh) | 2023-06-23 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR102589649B1 (ko) | 모니터링 시스템에서 발생하는 경보에 대한 기계 학습식 결정 안내 기법 | |
| CN116126655B (zh) | 采煤机故障提示方法、系统、存储介质及设备 | |
| CN110287810B (zh) | 车门动作检测方法、装置和计算机可读存储介质 | |
| WO2022105622A1 (zh) | 图像分割方法、装置、可读介质及电子设备 | |
| CN115277261B (zh) | 基于工控网络病毒的异常机器智能识别方法、装置、设备 | |
| CN110908922A (zh) | 应用程序的测试方法和装置 | |
| CN110266774B (zh) | 车联网数据质量的检验方法、装置、设备及存储介质 | |
| CN110083529B (zh) | 自动化测试方法、装置、介质和电子设备 | |
| CN112363885B (zh) | 检测应用异常的方法、装置、电子设备及计算机可读介质 | |
| CN111191556A (zh) | 人脸识别方法、装置及电子设备 | |
| CN113392018A (zh) | 流量分发方法、装置、存储介质及电子设备 | |
| CN111798865A (zh) | 终端马达的检测方法、装置、终端及存储介质 | |
| CN112232326A (zh) | 行驶信息生成方法、装置、电子设备和计算机可读介质 | |
| CN116400670A (zh) | 采煤机控制系统的仿真测试方法及系统 | |
| CN113849416A (zh) | 测试方法、装置、存储介质及电子设备 | |
| JP7334848B2 (ja) | 処理装置、処理方法及びプログラム | |
| CN110084298B (zh) | 用于检测图像相似度的方法及装置 | |
| CN114499709A (zh) | 天线收音测试方法、装置、电子设备及存储介质 | |
| CN116149978A (zh) | 服务接口测试方法、装置、电子设备及存储介质 | |
| CN117092933B (zh) | 转动机械设备控制方法、装置、设备和计算机可读介质 | |
| CN112668194B (zh) | 基于页面的自动驾驶场景库信息展示方法、装置和设备 | |
| CN115062022B (zh) | 航空器手册拆分方法、装置、电子设备和计算机可读介质 | |
| CN117102950B (zh) | 故障分析方法、装置、电子设备及计算机可读存储介质 | |
| CN117824974B (zh) | 交换机跌落测试方法、装置、电子设备与计算机可读介质 | |
| CN112328341B (zh) | 模型显示方法，装置，电子设备及存储介质 |
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 |