[发明专利]一种设备故障预测方法、装置、可读介质及电子设备

说明书

本发明公开了一种设备故障预测方法、装置、可读介质及电子设备，方法包括：确定目标设备的特征信息和目标设备对应的检测点数据信息；基于目标设备的特征信息和目标设备对应的检测点数据信息，确定目标设备的特征数据概率分布模型和非共享数据的概率分布模型；根据特征数据概率分布模型和检测点数据的概率分布模型，确定非共享数据的权重；根据非共享数据、非共享数据的权重和非共享数据对应的设备故障标签，建立联邦学习模型；根据联邦学习模型进行目标设备的设备故障预测。本发明提供的技术方案，可将非共享数据迁移到目标设备上，建立目标设备的特征数据和设备故障之间的关系，无需共享设备之间的特征数据，确保了数据安全。

技术领域

本发明涉及能源技术领域，尤其涉及一种设备故障预测方法、装置、可读介质及电子设备。

背景技术

智能制造系统中的工业设备一旦发生故障，将会影响智能制造系统的正常工作，造成十分严重的影响，因此通常需要对工业设备进行设备故障预测。

目前，在对某一工业设备进行预测时，由于该工业设备的运行数据没有标签数据，因此需要采集若干个其他工业设备的历史运行数据以及历史运行数据对应的标签数据，采用机器学习方法建立这些历史运行数据与设备故障预测之间的映射关系，得到设备故障预测模型，使用设备故障预测模型实现该工业设备的设备故障预测。

但是，上述技术方案为了学习到有效的模型，在对多个工业设备的设备故障预测时，可能需要共享工业设备的历史运行数据以及历史运行数据对应的标签数据，因此导致工业设备之间的数据安全性较低。

发明内容

本发明针对现有技术中存在的上述技术问题提供了一种设备故障预测方法、装置、计算机可读存储介质及电子设备，可将非共享数据迁移到目标设备上，建立目标设备的特征数据和设备故障之间的关系，无需共享的设备之间的特征数据，确保了数据安全。

第一方面，本发明提供了一种设备故障预测方法，包括：

确定目标设备的特征信息和目标设备对应的检测点数据信息；

基于所述目标设备的特征信息和目标设备对应的检测点数据信息，确定目标设备的特征数据概率分布模型和具有非共享数据的检测点数据的概率分布模型；

根据所述特征数据概率分布模型和所述检测点数据的概率分布模型，确定所述非共享数据的权重；

根据所述非共享数据、所述非共享数据的权重和所述非共享数据对应的设备故障标签，建立联邦学习模型；

根据所述联邦学习模型进行所述目标设备的设备故障预测。

第二方面，本发明提供了一种设备故障预测装置，包括：

信息确定模块，用于确定目标设备的特征信息和目标设备对应的检测点数据信息；

概率模型确定模块，用于基于所述目标设备的特征信息和目标设备对应的检测点数据信息，确定目标设备的特征数据概率分布模型和具有非共享数据的检测点数据的概率分布模型；

权重确定模块，用于根据所述特征数据概率分布模型和所述检测点数据的概率分布模型，确定所述非共享数据的权重；

模型建立模块，用于根据所述非共享数据、所述非共享数据的权重和所述非共享数据对应的设备故障标签，建立联邦学习模型；

预测模块，用于根据所述联邦学习模型进行所述目标设备的设备故障预测。

第三方面，本发明提供了一种计算机可读存储介质，包括执行指令，当电子设备的处理器执行所述执行指令时，所述处理器执行如第一方面中任一所述的方法或如第二方面中任一所述的方法。