[发明专利]丝杆传动结构故障预测方法、装置、存储介质及电子设备

权利要求书

1.一种丝杆传动结构故障预测方法，其特征在于，所述丝杆传动结构包括驱动设备和丝杆，所述丝杆与所述驱动设备传动连接，所述驱动设备用于驱动所述丝杆往复运动或沿一个方向运动，所述方法包括：

将丝杆传动结构在目标时间段内的运行数据分割为连续的窗口数据，其中，所述运行数据包括对应的采集时间点，所述运行数据包括还包括所述驱动设备在所述采集时间点的电机负载率、电流数据、扭矩数据、转速数据以及所述丝杆的位置数据中的任意一种或多种；

基于所述窗口数据获取对应的时间序列集合，其中，所述时间序列集合包括均值时间序列、方差时间序列以及变异系数时间序列中的任意一种或多种；

对所述时间序列集合的序列中异常点进行标注，其中，所述异常点为序列中数值超过对应的预设阈值的点；

利用预测模型对完成标注后的时间序列集合进行处理，以获取预估故障信息，其中，所述预估故障信息包括预估故障发生时间点和预估故障发生概率。

2.如权利要求1所述的丝杆传动结构故障预测方法，其特征在于，在所述将丝杆传动结构在目标时间段内的运行数据分割为连续的窗口数据之后，所述方法还包括：

剔除所述窗口数据中的波动数据，其中，所述波动数据为满足第一预设条件、第二预设条件、第三预设条件以及第四预设条件中任意一个或多个的运行数据；

所述第一预设条件为转速数据不属于预设的速度范围，所述第二预设条件为加速度数据不属于预设的加速度范围，所述第三预设条件为减速度数据不属于预设的减速度范围，所述第四预设条件为加减速变化度数据不属于预设的变化度范围。

3.如权利要求1所述的丝杆传动结构故障预测方法，其特征在于，

所述将丝杆传动结构在目标时间段内的运行数据分割为连续的窗口数据的步骤，包括：

将预设的目标长度确定为窗口长度，其中，所述窗口长度表征所述丝杆从窗口内第一个运行数据对应的位置移动至窗口内最后一个运行数据对应的位置所经过的长度；

按照所述窗口长度对目标时间段内的运行数据进行分割，以获得连续的窗口数据。

4.如权利要求1所述的丝杆传动结构故障预测方法，其特征在于，所述基于所述窗口数据获取对应的时间序列集合的步骤，包括：

基于所述窗口数据对应的采集时间点，将所述窗口数据划分为至少一个目标区间，其中，所述目标区间的时间宽度等于第一预设时长；

基于每一个目标区间获取对应的子序列，其中，所述子序列为均值时间子序列、方差时间子序列以及变异系数时间子序列中的任意一种；

基于所述采集时间点对所述子序列进行排序，以得到对应的时间序列集合。

5.如权利要求1所述的丝杆传动结构故障预测方法，其特征在于，所述预估故障信息还包括预估故障类型，在获取预估故障信息之后，所述方法还包括：

基于所述预估故障类型、所述预估故障发生时间点以及所述预估故障发生概率确定告警等级；

在所述告警等级大于预设的告警阈值时，进行告警。

6.如权利要求1所述的丝杆传动结构故障预测方法，其特征在于，所述预测模型为利用第一类时间序列集合进行训练至收敛的模型集合，其中，所述第一类时间序列集合为第一类标签数据对应的时间序列集合，所述第一类标签数据为出现故障的丝杆传动结构在故障前的预设第二时长内的运行数据，所述第一类时间序列集合标记有对应的故障发生时间点。

7.如权利要求6所述的丝杆传动结构故障预测方法，其特征在于，所述预测模型为利用第一类时间序列集合和第二类时间序列集合进行训练至收敛的模型集合，其中，所述第一类时间序列集合为第一类标签数据对应的时间序列集合，所述第一类标签数据为出现故障的丝杆传动结构在故障前的预设第二时长内的运行数据，所述第一类时间序列集合标记有对应的故障发生时间点；所述第二类时间序列集合为第二类标签数据对应的时间序列集合，所述第二类标签数据为未出现故障的丝杆传动结构在预设第二时长内的运行数据，所述第二类时间序列集合标记有未发生故障。