[发明专利]预测工业设备故障的方法、装置及计算机可读存储介质

说明书

技术领域

本发明属于物联网领域，尤其涉及一种预测工业设备故障的方法、装置及计算机可读存储介质。

背景技术

随着工业互联网的普及，工业设备尤其是现代工业设备，譬如锅炉、压缩机、发电机组、热泵、变频器、充电桩、水处理设备、充电桩、新能源汽车等以及其外接和各种各样的装置、传感器或者零部件，越来越多的设备运行数据和设备参数会实时上报至云服务器，因而可以对数量庞大的工业设备进行实时、在线地监控，并且在发生异常或者危险时及时告警，后台也可以针对大量的历史数据进行统计和分析。然而，如何才能根据这些庞大的数据量，对每个工业设备的下一步运行状态、下一步需要给它发送什么样的执行指令或者未来可能会发生的故障进行预测，这是业界普遍关注的问题。

目前，工业设备发生故障时的常见处理方法是实地调试设备，这种方法需要停机甚至检修，损失较大，当然，有些厂家还会根据设备运行数据对设备进行排查，如此，不仅耗费人力，效率也不高。

上述常见的处理方法存在的问题亟待解决。

发明内容

本发明提供一种预测工业设备故障的方法、装置、计算机可读存储介质和终端设备，以较为准确地预测工业设备故障，从而高效、低成本地处理这些故障。

本发明第一方面提供了一种预测工业设备故障的方法，所述方法包括：

基于随机森林模型对给定的样本进行训练，获取N个样本构成的训练集及其特征，所述N为大于或等于1的整数；

根据所述N个样本构成的训练集及其特征，选择C4.5算法构建H个决策树，所述H为大于或等于1的整数；

根据所述H个决策树，对工业设备进行故障预测。

本发明第二方面提供了一种预测工业设备故障的装置，所述装置包括：

获取模块，用于基于随机森林模型对给定的样本进行训练，获取N个样本构成的训练集及其特征，所述N为大于或等于1的整数；

决策树构建模块，用于根据所述N个样本构成的训练集及其特征，选择C4.5算法构建H个决策树，所述H为大于或等于1的整数；

预测模块，用于根据所述H个决策树，对工业设备进行故障预测。

本发明第三方面提供了一种终端设备，包括存储器、处理器以及存储在存储器中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以下步骤：

基于随机森林模型对给定的样本进行训练，获取N个样本构成的训练集及其特征，所述N为大于或等于1的整数；

根据所述N个样本构成的训练集及其特征，选择C4.5算法构建H个决策树，所述H为大于或等于1的整数；

根据所述H个决策树，对工业设备进行故障预测。

结合本发明的第三方面，在所述第三方面的第一种实施方式中，所述基于随机森林模型对给定的样本进行训练，获取N个样本构成的训练集及其特征，包括：

从给定的样本中随机选择N个样本构成训练集；

计算所述训练集对应的特征集中具有最大增益的n个特征作为所述N个样本构成的训练集的特征，所述n为大于或等于1的整数。

结合本发明的第三方面的第一种实施方式，在所述第三方面的第二种实施方式中，所述计算所述训练集对应的特征集中具有最大增益的n个特征作为所述N个样本构成的训练集的特征，包括：

从包含m个特征的所述特征集中随机选择n个特征作为一组，得到n’组且每组包含n个特征的随选特征集；

计算所述每一组随选特征集中各个特征之间的交叉熵；

比较所述交叉熵，将交叉熵最小所对应的一组随选特征集作为所述N个样本构成的训练集的特征。

结合本发明的第三方面的第一种实施方式，在所述第三方面的第三种实施方式中，所述从给定的样本中随机选择N个样本构成训练集，包括：

从给定的M个样本中随机取N个样本进行训练，所述M为大于或等于N的整数；

训练完毕后，将所述随机所取的N个样本重新放回给定的M—N个样本中以恢复成M个样本；

重复上述过程直至训练的结果达到预期。

结合本发明的第三方面、第三方面的第一种实施方式、第三方面的第二种实施方式或第三方面的第三种实施方式，在所述第三方面的第四种实施方式中，所述根据所述H个决策树，对工业设备进行故障预测，包括：

将工业设备的运行状态参数输入所述H个决策树进行决策，分别得到H个决策结果；

对所述H个决策结果进行投票，得到工业设备的故障预测结果。