[发明专利]温度预测模型的训练方法、预测方法、装置、设备及介质

说明书

本发明实施例公开一种温度预测模型的训练方法、预测方法、装置、设备及介质，其中，训练方法包括：采集电子器件的温度数据和不同温度下电子器件的电气特征数据；对温度数据和对应的电气特征数据按照预设时间间隔进行分段；对于分段后每个时间段的温度数据和电气特征数据，按照预设的窗口滑动步长进行数据采集，并利用所有采集的温度数据和电气特征数据形成特征矩阵；从特征矩阵中选择第一时间段内的温度数据和电气特征数据、以及第二时间段内的电气特征数据作为基础数据，并将第二时间段内的温度数据作为待预测数据；利用基础数据和待预测数据对温度预测模型进行训练。通过采用上述技术方案，有效解决了数据分析难度大和温度预测精度差的问题。

技术领域

本发明实施例涉及电子器件预测性维护技术领域，具体而言，涉及一种温度预测模型的训练方法、预测方法、装置、设备及介质。

背景技术

随着社会经济的创新和发展，电子设备(如电机等)变得更加高效与智能，但设备本身维护工作却面临巨大挑战。传统的维护方式将造成生产率降低，而计划之外的生产中断会使一些大型制造商每年损失量较大。但是由于很多企业对维护方式的认识不足，在设备维护方面仍然采用着传统的设备维护方式，一种是故障后维修的事后维修方式，一种是周期性的停机维护的一种预防性维护方式。

其中，预测性维护是从预防性维护发展而来的更高层次的维护方式，它以设备状态为基础，以预测设备状态发展趋势为依据。通过信息采集、处理、综合分析后有目的安排维护的周期和维护的项目，“该修则修，修必修好”。它和传统的维护方式相比，具有明显的优势。

传统方法对电子设备温度监测通常通过两类方法，一类是进行物理建模，另外一类是通过数据统计学分析的方法。

但是，通过物理建模的方法存在的普遍问题是原理复杂，无法精确建模。通过数据统计学分析的方法，虽然不用对电子设备的具体原理进行分析，但是依然存在无法得到普适而又精确的结果的问题。

发明内容

本发明实施例提供一种温度预测模型的训练方法、预测方法、装置、设备及介质，有效解决了数据分析难度大和预测精度不够的问题，提升了电子器件温度预测的精度。

第一方面，本发明实施提供了一种温度预测模型的训练方法，该方法包括：

采集电子器件的温度数据，和不同温度下所述电子器件的电气特征数据；其中，所述温度数据和各电气特征数据按照相同的频率进行采样；

对所述温度数据和对应的电气特征数据按照预设时间间隔进行分段；

对于分段后每个时间段的温度数据和电气特征数据，按照预设的窗口滑动步长进行数据提取，并利用所有提取的温度数据和电气特征数据形成特征矩阵；

从所述特征矩阵中选择第一时间段内的温度数据和电气特征数据、以及第二时间段内的电气特征数据作为基础数据，并将第二时间段内的温度数据作为待预测数据；

将所述基础数据和所述待预测数据作为训练样本集对温度预测模型进行训练，以使所述温度预测模型建立不同时间段的温度数据与电气特征数据的关联关系；

其中，第一时间段和第二时间段按照时间的先后顺序排列。

可选的，对于分段后每个时间段的温度数据和电气特征数据，按照预设的窗口滑动步长进行数据提取，并利用所有提取的温度数据和电气特征数据形成特征矩阵，包括：

对于分段后每个时间段的温度数据和电气特征数据，分别将其分解为不同频率的子温度信号数据和子电气特征信号数据；

分别对子温度信号数据和子电气特征信号数据进行归一化；

对于每个时间段内的归一化后的子温度信号数据，和归一化后的子电气特征信号数据，在按照预设的窗口滑动步长进行数据提取，并利用所有提取的温度数据和特征数据形成特征矩阵。