[发明专利]复杂工况故障诊断方法、设备、存储介质及装置

说明书

本发明公开了一种复杂工况故障诊断方法、设备、存储介质及装置，本发明通过预设最优性能子模型和预设分类模型对应用设备的制造数据进行诊断，以获得诊断结果；根据预设关联算法和诊断结果确定制造数据中包含的问题工序信息对应的故障路径。本发明通过预设最优性能子模型和预设分类模型对制造数据进行诊断，根据预设关联算法和诊断结果确定制造数据中包含的问题工序信息对应的故障路径，本发明相对于现有技术中依靠操作者的经验进行诊断，导致诊断结果不准确，本发明实现了可通过训练好的模型对复杂工况的工序进行问题溯源诊断，更加准确地定位制造过程中产生的问题，达到诊断的目的，提升诊断速率，更精准定位制造过程产生问题的故障路径。

技术领域

本发明涉及故障诊断领域，尤其涉及一种复杂工况故障诊断方法、设备、存储介质及装置。

背景技术

目前，在产品生产加工的过程中，产品的尺寸等规格由于某些原因会发生一定的波动，这种波动对产品的质量影响很大，但是完全可以通过采取措施来避免和消除这种波动所造成的影响，这种措施就是过程控制。在传统的统计过程控制方法上，制造过程中的质量诊断多需依靠操作者的经验，对于诊断人员的专业水平与从业年限有一定要求，诊断准确率因人而异，从而导致诊断结果不准确。

上述内容仅用于辅助理解本发明的技术方案，并不代表承认上述内容是现有技术。

发明内容

本发明的主要目的在于提供一种复杂工况故障诊断方法、设备、存储介质及装置，旨在解决现有技术中依靠操作者的经验进行诊断，导致诊断结果不准确的技术问题。

为实现上述目的，本发明提供一种复杂工况故障诊断方法，所述复杂工况故障诊断方法包括以下步骤：

获取应用设备的制造数据；

根据预设最优性能子模型和预设分类模型对所述制造数据进行诊断，以获得诊断结果；

根据预设关联算法和所述诊断结果确定所述制造数据中包含的问题工序信息，并根据所述问题工序信息确定对应的故障路径。

优选地，所述根据预设最优性能子模型和预设分类模型对所述制造数据进行诊断，以获得诊断结果的步骤，包括：

根据预设最优性能子模型对所述制造数据对应的原始工序进行划分，以获得原始工序中问题工序的占比；

根据所述占比确定诊断优先级；

根据预设分类模型和所述诊断优先级对所述制造数据进行诊断，以获得诊断结果。

优选地，所述根据预设关联算法和所述诊断结果确定所述制造数据中包含的问题工序信息，并根据所述问题工序信息确定对应的故障路径的步骤，包括：

根据预设关联算法和所述诊断结果确定所述制造数据中问题工序对应的频繁项集；

根据所述频繁项集确定问题工序对应的故障路径。

优选地，所述获取应用设备的制造数据的步骤之前，包括：

获取历史工序制造数据；

对所述历史工序制造数据对应的工序进行异常标注，以获得标注后的异常工序及异常工序数据；

根据所述标注后的异常工序及异常工序数据构建问题工序数据集；

根据所述问题工序数据集对基于LightGBM算法的模型进行训练，以获得初始分类模型；

根据所述问题工序数据集对所述初始分类模型进行训练，以获得预设分类模型；

根据所述历史工序制造数据对预设粒度可调层次模型进行训练，以获得初始最优性能子模型；

根据所述历史工序制造数据对所述初始最优性能子模型进行训练，以获得预设最优性能子模型。