基于大数据的游乐设备故障智能预测方法

专利主权项内容

1.一种基于大数据的游乐设备故障智能预测方法，其特征在于，所述方法包括：获取待测游乐设备在每次运行过程中的运行过程数据；所述运行过程数据包括每个设备参数的参数曲线；根据所有运行过程之间，同种设备参数的所述参数曲线间的相似度，及每个所述参数曲线上每个运行时刻下预设局部范围的数据波动特征，获取每个设备参数在每个运行时刻下的波动敏感系数；根据每个运行过程与其他运行过程之间同种所述参数曲线上相同运行时刻下的波动差异及所述波动敏感系数，获取每个运行过程中每个设备参数在每个运行时刻下的异常波动程度；在每个运行过程中，根据不同设备参数在对应所述参数曲线中的相同运行时刻下的所述异常波动程度的差异，及对应所述波动敏感系数的差异，获取对应运行过程内每个所述参数曲线的每个运行时刻的含噪约束度；根据每个运行过程下所有所述参数曲线对应的所述含噪约束度和对应所述异常波动程度，获取对应运行过程下所述运行过程数据的训练价值系数；获取所述运行过程数据的所有运行聚簇；根据所述训练价值系数调整每个所述运行聚簇的聚簇中心，获得最终聚类结果；获取所述最终聚类结果中每个运行聚簇中所述运行过程数据的设备状态；将所述最终聚类结果中的所述运行过程数据及对应所述设备状态作为预设预测模型的训练集数据进行训练；将待测时间段内待测游乐设备的每个实时运行过程数据输入至训练好的预设预测模型中，输出预测设备状态；所述波动敏感系数的获取方法包括：根据波动敏感系数的计算公式获取每个设备参数在每个运行时刻下的波动敏感系数；所述波动敏感系数的计算公式为：
；其中，/>为第/>个设备参数在第/>个运行时刻下的波动敏感系数，/>为设备参数的序号，/>为运行时刻的序号，/>和/>均为运行过程的序号，/>为待测游乐设备的运行次数，/>为第/>个运行过程中第/>个设备参数在第/>个运行时刻下预设局部范围内极值点的数量占比，为第/>个运行过程中第/>个设备参数在第/>个运行时刻下预设局部范围内所有数据点的标准差，/>为第/>个设备参数在第/>个运行过程与第/>个运行过程的参数曲线的相似度，/>为第/>个设备参数的第/>个运行过程与其余每个运行过程的参数曲线的相似度均值，/>为标准归一化公式；所述含噪约束度的获取方法包括：根据含噪约束度的计算公式获取对应运行过程内每个所述参数曲线的每个运行时刻的含噪约束度；所述含噪约束度的计算公式为：
；其中，/>为第个设备参数在第/>个运行过程的第/>个运行时刻下预设局部范围内的含噪约束度，/>为第/>个设备参数在第/>个运行过程的第/>个运行时刻下预设局部范围内的异常波动程度，/>为第/>个设备参数在第/>个运行过程的第/>个运行时刻下预设局部范围内的异常波动程度，/>和/>均为设备参数的序号，/>为运行时刻的序号，/>为运行过程的序号，/>为所有设备参数的数量，/>为第/>个设备参数与第/>个设备参数在对应的第/>个运行时刻下预设局部范围内的波动敏感系数的均值，/>为标准归一化公式；所述训练价值系数的获取方法包括：根据训练价值系数的计算公式获取对应运行过程下所述运行过程数据的训练价值系数；所述训练价值系数的计算公式为：
；其中，/>为第/>个运行过程数据的训练价值系数，/>为设备参数的序号，/>为所有设备参数的数量，/>为运行时刻的序号，为每个运行过程中每个设备参数对应的参数曲线中所有运行时刻的数量，/>为运行过程的序号，/>为第/>个设备参数的第/>个运行过程在第/>个运行时刻下预设局部范围内的异常波动程度，/>为第/>个设备参数在第/>个运行过程的第/>个运行时刻下预设局部范围内的含噪约束度，/>为标准归一化公式。