[发明专利]一种基于机器学习的设备故障检测方法

摘要

本发明属于工业设备数据采集与分析技术领域，公开了一种基于机器学习的设备故障检测方法。本发明的技术方案为：S1.获取采集的出现故障的设备的初始数据；S2.对初始数据进行清洗操作及二次筛选；S3.对预数据进行优化操作并输出检索结果；S4.对数据进行分类得到初始结果集；S5.对初始结果集逐次进行分类；S6.通过对比加权平均结果及初始结果集，判断该初始数据代表的设备故障是否属于已知故障；S7.通过人机界面输出故障信息或将该初始数据加入故障数据库。本发明能够实现机器的自我学习功能，同时建立了设备的故障数据库，能够准确及时的确定设备故障以及解决方法，能够降低机械设备维修次数，显著地提高检修效率，适于推广使用。

主权项

1.一种基于机器学习的设备故障检测方法，其特征在于：包括以下步骤：S1.获取采集的出现故障的设备的初始数据；S2.对初始数据进行清洗操作，并对完成清洗操作后的初始数据进行二次筛选，得到预数据；S3.通过遗传算法对预数据进行优化操作，经过分析操作的预数据随机产生多个起始点，然后在同一时刻对起始点进行检索，并输出检索结果；S4.通过AdaBoost元算法加权检索结果，并对数据进行分类，得到初始结果集；S5.根据每个分类器中样例的设置权重，对初始结果集逐次进行分类，从而得到加权平均结果；S6.通过对比加权平均结果及初始结果集，判断该初始数据代表的设备故障是否属于已知故障；S7.如步骤S6中的判断结果为是，则从故障数据库调取改初始数据对应的故障信息，并通过人机界面输出故障信息，如步骤S6中的判断结果为否，则将该初始数据加入故障数据库，并通过人机界面输出紧急故障提示。