本申請公開了一種故障診斷方法、裝置、設(shè)備、介質(zhì)，該方法包括：獲取待測樣本；對所述待測樣本進(jìn)行預(yù)處理，得到目標(biāo)待測樣本；利用k近鄰分類算法和預(yù)先得到的目標(biāo)參考集對所述目標(biāo)待測樣本進(jìn)行分類，以便確定所述目標(biāo)待測樣本是否是故障數(shù)據(jù)。由此可見，本申請在獲取到待測樣本之后，先對待測樣本進(jìn)行相應(yīng)的預(yù)處理，得到目標(biāo)待測樣本，然后利用k近鄰分類算法和預(yù)先得到的目標(biāo)參考集對所述目標(biāo)待測樣本進(jìn)行分類，根據(jù)分類結(jié)果確定所述目標(biāo)待測樣本是否是故障數(shù)據(jù)。這樣能夠利用預(yù)先得到的參考集對待檢測數(shù)據(jù)進(jìn)行分類，從而確定出待檢測數(shù)據(jù)是否是故障數(shù)據(jù)，提高故障診斷的效率以及檢測率。

技術(shù)領(lǐng)域

本申請涉及故障檢測技術(shù)領(lǐng)域，特別涉及一種故障診斷方法、裝置、設(shè)備、介質(zhì)。

背景技術(shù)

隨著科技的發(fā)展，現(xiàn)代化工業(yè)系統(tǒng)在提高效率的同時復(fù)雜性也在不斷增大，在監(jiān)控工業(yè)化過程中會得到大量的數(shù)據(jù)。故障檢測是現(xiàn)代化工業(yè)系統(tǒng)中最重要的任務(wù)之一，如何從監(jiān)控所得數(shù)據(jù)中挖掘出真正有價值的信息，以便能夠更好地檢測到故障的發(fā)生，分析并找到故障產(chǎn)生的部件和原因是一個重要的研究內(nèi)容。由于監(jiān)測系統(tǒng)運行得到的監(jiān)測數(shù)據(jù)多且復(fù)雜，所以如何快速、準(zhǔn)確地利用監(jiān)測數(shù)據(jù)對系統(tǒng)的故障進(jìn)行診斷，一直是故障檢測技術(shù)領(lǐng)域的一個重要課題。

發(fā)明內(nèi)容

有鑒于此，本申請的目的在于提供一種故障診斷方法、裝置、設(shè)備、介質(zhì)，能夠利用預(yù)先得到的參考集對待檢測數(shù)據(jù)進(jìn)行分類，從而確定出待檢測數(shù)據(jù)是否是故障數(shù)據(jù)，提高故障診斷的效率以及檢測率。其具體方案如下：

第一方面，本申請公開了一種故障診斷方法，包括：

獲取待測樣本；

對所述待測樣本進(jìn)行預(yù)處理，得到目標(biāo)待測樣本；

利用k近鄰分類算法和預(yù)先得到的目標(biāo)參考集對所述目標(biāo)待測樣本進(jìn)行分類，以便確定所述目標(biāo)待測樣本是否是故障數(shù)據(jù)。

可選的，所述對所述待測樣本進(jìn)行預(yù)處理，得到目標(biāo)待測樣本，包括：

對所述待檢測樣本進(jìn)行標(biāo)準(zhǔn)化，得到所述目標(biāo)待測樣本。

可選的，所述獲取待測樣本之前，還包括：

獲取帶有標(biāo)簽的目標(biāo)訓(xùn)練數(shù)據(jù)集，其中，所述標(biāo)簽表示所述目標(biāo)訓(xùn)練數(shù)據(jù)集中的各個樣本數(shù)據(jù)為正常數(shù)據(jù)或故障數(shù)據(jù)；

利用所述目標(biāo)訓(xùn)練數(shù)據(jù)集確定所述目標(biāo)參考集。

可選的，所述利用目標(biāo)訓(xùn)練數(shù)據(jù)集確定所述目標(biāo)參考集，包括：

利用基于迭代局部Fisher得分算法和所述目標(biāo)訓(xùn)練數(shù)據(jù)集，確定目標(biāo)特征子集；

根據(jù)所述目標(biāo)特征子集，生成所述目標(biāo)參考集。

可選的，所述利用基于迭代局部Fisher得分算法和所述目標(biāo)訓(xùn)練數(shù)據(jù)集，確定目標(biāo)特征子集，包括：

A11：對所述目標(biāo)特征子集進(jìn)行初始化；

A12：利用所述目標(biāo)訓(xùn)練集和第一預(yù)設(shè)公式構(gòu)造局部類內(nèi)散度矩陣和局部類間散度矩陣，其中，所述第一預(yù)設(shè)公式為：