(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210772750.5 (22)申请日 2022.06.30 (71)申请人 惠州市海葵信息技 术有限公司 地址 516000 广东省惠州市惠城区仲恺高 新区东江产业园东兴片区东新大道 106号创新大厦23号楼17-14号(仅限 办公) (72)发明人 不公告发明人 　 (74)专利代理 机构 北京超凡宏宇专利代理事务 所(特殊普通 合伙) 11463 专利代理师 杜杨 (51)Int.Cl. G06F 30/17(2020.01) G06F 30/20(2020.01) G06F 119/02(2020.01)G06F 119/04(2020.01) (54)发明名称 丝杆传动结构故障预测方法、 装置、 存储介 质及电子设备 (57)摘要 本申请提出一种丝杆传动结构故障预测方 法、 装置、 存储介质及电子设备， 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， 基于窗口数据获取对应的时间序列集合， 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 时间序列集合的序列中异常点进行标注， 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， 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。 通过 提前预估故障发生的可能性， 可以实现丝杆传动 故障提前预警， 避免突然宕机。 有利于工作人员 了解丝杆传动结构整体健康状况， 进行有计划的 停机保养， 提升 丝杆传动结构的使用寿 命。 权利要求书2页 说明书9页 附图3页 CN 115098970 A 2022.09.23 CN 115098970 A 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权　利　要　求　书 1/2 页 2 CN 115098970 A 2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。 8.一种丝杆传动结构故障预测装置， 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， 所述装置包括： 处理单元， 用于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； 所述处理单元还用于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； 所述处理单元还用于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； 模型单元， 用于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。 9.一种计算机可读存储介质， 其上存储有计算机程序， 其特征在于， 该计算机程序被处 理器执行时实现如权利要求1 ‑7中任一项所述的方法。 10.一种电子设备， 其特征在于， 包括： 处理器和存储器， 所述存储器用于存储一个或多 个程序； 当所述一个或多个程序被所述处理器执行时， 实现如权利要求 1‑7中任一项 所述的 方法。权　利　要　求　书 2/2 页 3 CN 115098970 A 3