[发明专利]模型训练方法、故障预测方法、装置及电子设备

权利要求书

1.一种模型训练方法，其特征在于，包括：

从第一样本齿轮箱的历史运行阶段中划分出多个第一完整工况阶段；其中，所述第一样本齿轮箱安装于目标机电设备，且所述目标机电设备还包括多个第二样本齿轮箱；每个所述第一完整工况阶段包括加速阶段、稳定阶段和降速阶段；

构建针对所述多个第一完整工况阶段中，每个所述第一完整工况阶段的第一测点样本集，以获得多个所述第一测点样本集；

通过多个所述第一测点样本集对初始模型进行训练，获得齿轮箱轴承故障预测模型；

其中，所述构建针对所述多个第一完整工况阶段中，每个所述第一完整工况阶段的第一测点样本集包括：

针对所述多个第一完整工况阶段中的每个所述第一完整工况阶段，将所述第一完整工况阶段作为目标工况阶段，并获取所述第一样本齿轮箱在所述目标工况阶段内产生的多条第一原始测点样本，每条所述第一原始测点样本中包括多类第一原始测点信息；

获取所述第一样本齿轮箱在所述目标工况阶段内，所述多类第一原始测点信息中每类所述第一原始测点信息的变化率表征信息；

针对所述多条第一原始测点样本中的每条所述第一原始测点样本，对所述第一原始测点样本中包括多类第一原始测点信息进行类别组合，获得多条组合测点信息，并与所述多类第一原始测点信息，共同组成第一构建测点样本，以获得多条第一构建测点样本；

分别在所述多条第一构建测点样本中，添加所述变化率表征信息，获得多条第二构建测点样本，组成针对所述目标工况阶段的第一测点样本集；

针对所述多个第二样本齿轮箱中的每个第二样本齿轮箱，获取所述第二样本齿轮箱在所述目标工况阶段内产生的多条第二原始测点样本，每条所述第二原始测点样本中包括多类第二原始测点信息；

针对所述多条第一原始测点样本中的每条所述第一原始测点样本，从所述多条第二原始测点样本中确定产生时间点与所述第一原始测点样本相同的第二原始测点样本，作为待对比测点样本；

获取所述第一原始测点样本中包括多类第一原始测点信息与所述待对比测点样本中包括多类第二原始测点信息中，相同类别测点信息的信息差值；

分别在所述多条第二构建测点样本中，添加对应的所述信息差值，获得多条第三构建测点样本，组成新的针对所述目标工况阶段的第一测点样本集。

2.根据权利要求1所述的模型训练方法，其特征在于，所述从第一样本齿轮箱的历史运行阶段中划分出多个第一完整工况阶段，包括：

获取所述第一样本齿轮箱在历史运行阶段中的电机转速信息；

根据所述电机转速信息，从所述第一样本齿轮箱的历史运行阶段中划分出所述多个第一完整工况阶段。

3.根据权利要求1所述的模型训练方法，其特征在于，所述通过多个所述第一测点样本集对初始模型进行训练，获得齿轮箱轴承故障预测模型，包括：

分别从多个所述第一测点样本集中提取一条目标测点样本，获得多条所述目标测点样本；

按照产生时间点的先后顺序，从多条所述目标测点样本中划分出多组测试序列；

依次通过所述多组测试序列对初始模型进行训练，获得齿轮箱轴承故障预测模型。

4.根据权利要求3所述的模型训练方法，其特征在于，所述分别从多个所述第一测点样本集中提取一条目标测点样本，获得多条所述目标测点样本，包括：

针对多个所述第一测点样本集中的每个第一测点样本集，从所述第一测点样本集划分出的多个子样本集中选取出目标子样本集，并从所述目标子样本集中有放回的提取一条目标测点样本，以获得多条所述目标测点样本。

5.一种故障预测方法，其特征在于，包括：

从待测齿轮箱的历史运行阶段中划分出多个第二完整工况阶段；

构建针对所述多个第二完整工况阶段中，每个所述第二完整工况阶段的第二测点样本集，以获得多个所述第二测点样本集；

将多个所述第二测点样本集输入权利要求1~4中任意一项所述的齿轮箱轴承故障预测模型，获得针对所述待测齿轮箱的故障预测结果。