基于数据挖掘的起重机故障诊断方法、系统、设备及介质

本技术涉及起重机故障诊断，尤其涉及基于数据挖掘的起重机故障诊断方法、系统、设备及介质。

背景技术：

1、起重机是一种重要的工程设备，主要用于起重、搬运和装卸重物，为了提高起重机的工作效率，延长起重机的使用寿命，需要针对起重机发生的故障进行及时的诊断。

2、类似的现有技术有公开号为cn105174065a的中国专利申请，涉及一种起重机故障监控方法及装置，其中，起重机故障监控方法包括传动链破损故障监控方法，传动链破损故障监控方法包括以下步骤：a1、分别采集起重机电机的转速信号和卷筒的转速信号，以确定电机转速和卷筒转速；a2、若电机转速和卷筒转速均不为零，则计算电机转速和卷筒转速的传动比，并与传动比预设值进行比较；a3、若传动比超出传动比预设值，则确定电机与卷筒之间出现传动链破损故障。此外，类似的现有技术还有公开号为cn116768059a中国专利申请，公开了一种起重机线路故障诊断系统及方法，该系统包括显示器，以及部署于起重机控制箱的检测模块和检测线路；检测线路为从起重机控制箱非控制类信号的接线点处引出的线路，检测线路与检测模块进行电连接，用于将检测的非控制类信号发送至检测模块；检测模块用于对接收到的非控制类信号进行故障诊断，以及将故障诊断结果及接收到的非控制类信号传输给显示器；显示器用于解析并显示接收到的故障诊断结果。然而，上述的两个专利申请中的故障诊断方法均缺少一定的智能性。

技术实现思路

1、本技术采集起重机的时间序列监测数据，把时间序列监测数据输入修正模型，获取修正模型输出的时间序列修正数据，计算时间序列差异数据，基于时间序列差异数据获取第一代表数据，依据时间序列监测数据获取第二代表数据，以生成综合代表数据，将综合代表数据输入分析模型，获得诊断结果数据。本技术旨在提升起重机故障诊断的智能性。

2、本技术提供了基于数据挖掘的起重机故障诊断方法，包括如下步骤：

3、监测模块采集起重机的时间序列监测数据，将采集的时间序列监测数据通过网络模块传输给诊断模块，并且所述诊断模块在收到时间序列监测数据之后，把时间序列监测数据输入训练生成的修正模型，获取修正模型输出的时间序列修正数据；

4、所述诊断模块计算时间序列修正数据与时间序列监测数据的时间序列差异数据，基于时间序列差异数据获取第一代表数据，并且所述诊断模块依据时间序列监测数据获取第二代表数据；

5、所述诊断模块使用第一代表数据和第二代表数据组成综合代表数据，并且所述诊断模块将综合代表数据输入训练生成的分析模型，获得分析模型输出的关于时间序列监测数据是否异常的诊断结果数据。

6、作为本技术的一种优选技术方案，在所述诊断模块训练生成修正模型和分析模型之前，包括如下步骤：

7、所述诊断模块从所述监测模块收集若干个时间序列历史监测数据；

8、针对收集的每个时间序列历史监测数据，所述诊断模块设定与时间序列历史监测数据相对应的标识数据，标识数据的内容为通常情况或者故障情况，对应存储时间序列历史监测数据与标识数据。

9、作为本技术的一种优选技术方案，所述诊断模块训练生成修正模型和分析模型，包括如下步骤：

10、所述诊断模块在存储的全部的由时间序列历史监测数据和标识数据构成的组合中，选择若干个包含的标识数据的内容为通常情况的组合，从选择的若干个组合中提取出若干个时间序列历史监测数据，使用提取出的若干个时间序列历史监测数据训练生成修正模型；

11、针对存储的每个由时间序列历史监测数据和标识数据构成的组合，所述诊断模块将组合中包含的时间序列历史监测数据输入训练生成的修正模型，获得修正模型输出的时间序列历史修正数据；

12、关于每个时间序列历史修正数据，所述诊断模块计算时间序列历史修正数据和时间序列历史修正数据对应的时间序列历史监测数据的时间序列历史差异数据，基于时间序列历史差异数据获取第一历史代表数据，根据时间序列历史修正数据对应的时间序列历史监测数据获取第二历史代表数据，使用第一历史代表数据和第二历史代表数据形成综合历史代表数据；

13、针对每个综合历史代表数据，所述诊断模块为综合历史代表数据设置关于综合历史代表数据对应的时间序列历史监测数据是否异常的标记数据，将由综合历史代表数据和标记数据构成的组合记录为训练数据，并且所述诊断模块使用全部的训练数据训练生成分析模型。

14、作为本技术的一种优选技术方案，所述诊断模块使用全部的训练数据训练生成分析模型，包括如下步骤：

15、所述诊断模块训练生成候选分析模型，并且所述诊断模块训练生成识别模型，所述诊断模块还判断本步骤的执行次数是否已经达到预设的执行次数阈值，在已经达到的情况下，将最后一次训练生成的候选分析模型当作分析模型，结束执行本步骤，在没有达到的情况下，重复执行本步骤。

16、作为本技术的一种优选技术方案，所述诊断模块训练生成候选分析模型，包括如下步骤：

17、所述诊断模块取得全部的训练数据，并且所述诊断模块判断是否是第一次生成候选分析模型，在是第一次生成候选分析模型的情况下，使用全部的训练数据训练生成候选分析模型，在不是第一次生成候选分析模型的情况下，继续下个步骤；

18、所述诊断模块获取最近一次训练生成的识别模型，将全部的训练数据依次输入获取的识别模型，分别取得获取的识别模型输出的识别结果数据，并且所述诊断模块基于全部的识别结果数据，在全部的训练数据中确定若干个不恰当的训练数据，使用全部的训练数据中的除了若干个不恰当的训练数据之外的所有的其他训练数据训练生成候选分析模型。

19、作为本技术的一种优选技术方案，所述诊断模块训练生成识别模型，包括如下步骤：

20、所述诊断模块取得全部的训练数据，获取最近一次训练生成的候选分析模型，并且所述诊断模块按照包含的标记数据的内容的不同，将全部的训练数据划分到不同的训练数据组中；

21、关于每个训练数据组，针对训练数据组中的每个训练数据，所述诊断模块将训练数据输入获取的候选分析模型，取得获取的候选分析模型输出的分析结果数据；

22、关于每个训练数据组，针对训练数据组中的每个训练数据，所述诊断模块计算训练数据包含的标记数据的内容与训练数据对应的分析结果数据的内容之差以得到偏差数据，并且在每个训练数据组中，将对应的偏差数据的内容小于预设阈值的若干个训练数据划分到第一集合中，将对应的偏差数据的内容大于等于预设阈值的若干个训练数据划分到第二集合中；

23、所述诊断模块针对第一集合中的每个训练数据，为训练数据设置内容为允许的标志数据，使用训练数据和标志数据组成练习数据，针对第二集合中的每个训练数据，为训练数据设置内容为禁止的标志数据，使用训练数据和标志数据组成练习数据，并且所述诊断模块基于全部的练习数据训练生成识别模型。

24、本技术还提供了基于数据挖掘的起重机故障诊断系统，包括如下模块：

25、监测模块，用于存储起重机的若干个时间序列历史监测数据，并且用于采集起重机的时间序列监测数据，将采集的时间序列监测数据通过网络模块传输给诊断模块；

26、网络模块，用于在监测模块和诊断模块之间进行数据的传输；

27、诊断模块，用于在收到时间序列监测数据之后，把时间序列监测数据输入训练生成的修正模型，获取修正模型输出的时间序列修正数据，并且用于计算时间序列修正数据与时间序列监测数据的时间序列差异数据，基于时间序列差异数据获取第一代表数据，依据时间序列监测数据获取第二代表数据，还用于使用第一代表数据和第二代表数据组成综合代表数据，将综合代表数据输入训练生成的分析模型，获得分析模型输出的关于时间序列监测数据是否异常的诊断结果数据。

28、本发明还提供一种设备，包括存储器和处理器，所述存储器用于存储计算机程序，所述处理器用于在执行所述计算机程序时实现上述中任意一项所述的方法。

29、本发明还提供一种介质，所述介质存储有程序指令，其中，在所述程序指令运行时控制所述介质所在设备执行上述中任意一项所述的方法。

30、与现有技术相比，本技术的有益效果至少如下所述：

31、在本技术提供的技术方案中，首先，监测模块采集起重机的时间序列监测数据，将采集的时间序列监测数据通过网络模块传输给诊断模块，并且诊断模块在收到时间序列监测数据之后，把时间序列监测数据输入训练生成的修正模型，获取修正模型输出的时间序列修正数据。其次，诊断模块计算时间序列修正数据与时间序列监测数据的时间序列差异数据，基于时间序列差异数据获取第一代表数据，并且诊断模块依据时间序列监测数据获取第二代表数据。最后，诊断模块使用第一代表数据和第二代表数据组成综合代表数据，并且诊断模块将综合代表数据输入训练生成的分析模型，获得分析模型输出的关于时间序列监测数据是否异常的诊断结果数据。通过本技术，不仅能显著的提升起重机故障诊断的智能化水平，而且还能确保起重机故障诊断结果的精准度，从而能实现及时的发现起重机故障，减少起重机故障造成的损失。