[发明专利]一种磨辊故障预测方法、装置、设备及其存储介质

权利要求书

1.一种磨辊故障预测方法,其特征在于，包括：

根据设备使用参数指标对MSE系统数据库内的数据进行筛选，生成待处理数据集；

利用分段聚合近似算法对所述待处理数据集进行降维处理，生成降维数据；

调用训练好的GBDT预测模型对所述降维数据进行处理，以生成预测结果；

根据所述预测结果，输出预警信号。

2.根据权利要求1所述的一种磨辊故障预测方法,其特征在于，根据设备使用参数指标对MSE系统数据库内的数据进行筛选，生成待处理数据集，具体为：

根据设备使用参数指标查询MES系统数据库中设备历史数据表中的磨辊部件参数信息，并将所述磨辊部件参数信息导出，生成磨辊参数文件；

过滤掉所述磨辊参数文件内为空值的数据，生成特征变量数据，其中，所述特征变量数据包括多个轴承温度值、以及多个压力值；

对所述特征变量数据进行均值处理，并设置与所述特征变量数据相应的故障分类标识，生成待处理数据集。

3.根据权利要求2所述的一种磨辊故障预测方法,其特征在于，对所述特征变量数据进行处理，设置与所述特征变量数据相应的故障分类标识，生成待处理数据集，具体为：

获取多个所述轴承温度值的平均值，定义所述平均值为磨辊轴承温度值；

根据设备使用参数指标、所述磨辊轴承温度值以及与所述磨辊轴承温度值相对应的所述压力值，设置相应的故障分类标识，以生成待处理数据集。

4.根据权利要求1所述的一种磨辊故障预测方法,其特征在于，利用分段聚合近似算法对所述待处理数据集进行降维处理，生成降维数据，具体为：

根据公式对所述待处理数据集进行计算，生成降维数据，其中，m和n是常量，为压缩比，B′＝(b′₁,b′₂,...,b′_m)为降维后的辊轴承温度结果，B＝(b₁,b₂,...,b_n)为降维前的辊轴承温度结果。

5.根据权利要求4所述的一种磨辊故障预测方法,其特征在于，m小于等于n，且m被n整除。

6.根据权利要求1所述的一种磨辊故障预测方法,其特征在于，调用训练好的GBDT预测模型对所述降维数据进行处理，以生成预测结果，具体为：

根据公式T＝{(x₁,y₁),(x₂,y₂),...,(x_i,y_i),...,(x_N,y_N)}对所述降维数据进行处理，生成训练数据集，其中，x_i指代b′_i和p′_i；

根据公式对所述训练数据集进行初始化，其中，L(y,f(x))为损失函数，c是常量；

根据公式计算损失函数的负梯度在当前GBDT预测模型的值，其中，i＝1,2,...,N，N为样本数，r_mi为损失函数的负梯度在当前GBDT预测模型的值；

对r_mi进行拟合回归树处理，生成T_m()；

根据公式对所述训练数据集进行计算，生成预测结果，其中，m＝1,2,...,M，且M为决策树得棵树。

7.根据权利要求1所述的一种磨辊故障预测方法,其特征在于，在调用训练好的GBDT预测模型对所述降维数据进行处理之前，还包括：

获取MSE系统数据库内的历史数据，生成训练集以及测试集；

对所述训练集数据进行优化，并建立GBDT模型，根据优化后训练集对所述GBDT模型的回归树的深度以及模型的迭代次数进行调整；

调用所述测试集对调整后的所述GBDT模型进行测试，生成测试结果，并判断测试结果是否达标；

在判断到所述试结果达标时，生成GBDT预测模型。