本技术涉及检测技术的，具体涉及一种针对家具生产设备的故障检测方法、装置及电子设备。
背景技术：
1、在家具生产领域，设备的稳定运行对于保障生产效率和产品质量至关重要。然而，随着家具生产设备的日益复杂化和自动化程度的提高，设备故障检测与诊断的难度也随之增加。
2、目前，对于家具生产设备的故障检测，很大程度上依赖于人工经验判断，但人工经验判断存在着一定的主观性和不确定性。比如，由于技术人员的个人能力和经验水平存在差异，因此对于同一设备故障的判断可能存在差异，导致故障检测的准确性较低。
3、因此，急需一种针对家具生产设备的故障检测方法、装置及电子设备。
技术实现思路
1、本技术提供了一种针对家具生产设备的故障检测方法、装置及电子设备，便于提高针对家具生产设备的故障检测准确性。
2、在本技术的第一方面提供了一种针对家具生产设备的故障检测方法，所述方法包括：获取家具生产设备的能源消耗数据；将所述能源消耗数据输入至预设检测模型中，得到检测结果，所述检测结果用于指示所述家具生产设备所消耗能源正常或异常；若确定所述检测结果指示所述家具生产设备所消耗能源异常，则获取所述家具生产设备对应的驱动电机的温度数据和振动数据；对所述温度数据和所述振动数据进行故障分析；若确定所述温度数据异常和/或所述振动数据异常，则确定所述家具生产设备发生故障。
3、通过采用上述技术方案，通过获取家具生产设备的能源消耗数据，企业可以实时监控设备的能耗情况，有助于优化生产计划，降低不必要的能源消耗，从而实现节能减排。预设的检测模型可以快速判断能源消耗是否正常，有助于及时发现并解决潜在的能源浪费问题。当检测到能源消耗异常时，系统能够迅速反应，进一步收集设备的驱动电机温度数据和振动数据，为故障分析提供数据支持。这种及时的故障预警有助于企业提前采取维护措施，避免因设备故障导致的生产中断和损失。结合温度数据和振动数据，系统可以对设备进行更为精准的故障分析，确定故障的具体位置和原因，这有助于企业提高故障处理的效率和准确性，减少维修时间和成本。通过自动化的故障检测和预警系统，企业可以及时发现并解决设备故障，减少生产中断时间，提高生产效率。同时，实时的故障分析和处理也有助于提高设备的可靠性和稳定性，延长设备的使用寿命。传统的故障检测主要依赖于人工经验判断，不仅效率低下，而且容易受到人为因素的影响。而自动化的故障检测系统可以大大降低对人工的依赖，减少人工成本，同时提高检测的准确性和可靠性。
4、可选地，所述获取家具生产设备的能源消耗数据，具体包括：接收传感器设备发送的原始监测数据，所述传感器设备用于对所述家具生产设备进行监测；对所述原始监测数据进行数据预处理，得到所述能源消耗数据，所述数据预处理包括去噪、滤波、数据特征提取以及数据归一化处理。
5、通过采用上述技术方案，原始监测数据往往包含噪声、干扰信号等不必要的信息，通过去噪和滤波处理，可以有效减少这些数据中的噪声和干扰，从而提高数据的准确性。数据特征提取可以进一步提取出与能源消耗直接相关的关键特征，使数据更加具有代表性和可分析性。数据归一化处理将不同单位、不同量级的数据转换到同一尺度下，使得不同数据之间可以进行比较和分析。这对于后续建立预设检测模型以及进行故障分析至关重要，因为只有在同一尺度下，模型才能准确地学习和识别数据中的模式。预处理后的数据更加纯净、规范，更适合用于训练和测试机器学习或深度学习模型。这有助于提高模型的准确性、稳定性和泛化能力，使得模型能够更好地应用于实际生产环境中。准确的数据是故障检测的基础。通过预处理得到的高质量数据能够更准确地反映设备的运行状态和能源消耗情况。这有助于提高故障检测的准确性和效率，使得企业能够更快地发现设备故障并采取相应的处理措施。自动化的数据预处理过程减少了人工参与的需要，降低了人工成本和错误率。同时，由于预处理过程可以在短时间内完成大量数据的处理，因此也提高了整体的工作效率。
6、可选地，所述将所述能源消耗数据输入至预设检测模型中，得到检测结果，具体包括：根据所述能源消耗数据，确定当前能源消耗周期和所述当前能源消耗周期对应的当前能源消耗量；采用所述预设检测模型对所述当前能源消耗周期进行时间定位，得到目标能源消耗周期；获取所述目标能源消耗周期对应的目标能源消耗量，所述预设检测模型中预先存储有目标能源消耗周期与目标能源消耗量之间的对应关系；判断所述当前能源消耗量与所述目标能源消耗量之间的大小关系，以得到所述检测结果。
7、通过采用上述技术方案，该过程能够实时地接收和处理能源消耗数据，根据当前能源消耗周期和对应的消耗量进行动态分析。这确保了企业能够及时了解设备的能源消耗情况，并据此做出相应的决策。通过预设检测模型对能源消耗周期进行时间定位，可以准确地找到与当前周期相对应的历史或标准能源消耗周期。这有助于消除时间差异对能源消耗比较的影响，使得结果更加精确。预设检测模型中预先存储了目标能源消耗周期与目标能源消耗量之间的对应关系，这为企业提供了一个基准或标准。通过将当前能源消耗量与这些基准值进行比较，企业可以更加直观地了解设备的能源消耗是否正常。一旦确定当前能源消耗量与目标能源消耗量之间的大小关系，企业可以迅速获得检测结果，从而快速作出相应的决策。该过程完全基于数据进行决策，消除了人为因素的不确定性。这有助于企业实现更加科学、客观的管理，提高管理效率和质量。通过及时发现能源消耗异常，企业可以在设备故障发生之前进行预防性维护，从而避免设备故障导致的生产中断和损失。这有助于提高设备的可靠性和使用寿命，降低维护成本。
8、可选地，所述若确定所述检测结果指示所述家具生产设备所消耗能源异常，具体包括：若确定所述当前能源消耗量大于所述目标能源消耗量，则得到第一检测结果，所述第一检测结果指示所述家具生产设备所消耗能源异常；若确定所述所述当前能源消耗量小于或等于所述目标能源消耗量，则得到第二检测结果，所述第二检测结果指示所述家具生产设备所消耗能源正常。
9、通过采用上述技术方案，通过直接比较当前能源消耗量和目标能源消耗量，可以得到一个明确且直观的结果。这种明确的“大于”或“小于或等于”的判断标准使得结果易于理解和操作。一旦确定当前能源消耗量大于目标能源消耗量，即可迅速得到第一检测结果，即能源消耗异常。这种快速的响应能力使得企业能够迅速采取行动，当检测到能源消耗异常时，企业可以根据该结果制定相应的节能措施或维护计划，以优化能源使用和提高生产效率。能源消耗异常往往意味着设备可能存在问题或运行效率低下。通过及时检测并处理这些问题，企业可以避免设备故障导致的生产中断和损失，实现预防性维护。通过持续监测和比较能源消耗量，企业可以不断优化能源使用，提高能源使用效率。这有助于降低生产成本，提高经济效益。
10、可选地，所述对所述温度数据和所述振动数据进行故障分析，具体包括：根据所述温度数据，获取预设时间段内的温度峰峰值；比较所述温度峰峰值与预设温度阈值之间的大小关系，一个预设时间段对应一个预设温度阈值；根据所述振动数据，获取所述预设时间段内的振幅；比较所述振幅与预设振幅阈值之间的大小关系，所述预设振幅阈值根据多个所述预设时间段内各对应的振幅取平均值确定。
11、通过采用上述技术方案，通过获取预设时间段内的温度峰峰值，可以捕捉到设备在运行过程中的极端温度情况。这有助于发现可能存在的过热问题，而过热常常是设备故障的一个早期迹象。比较温度峰峰值与预设温度阈值，能够快速判断设备是否超出了正常运行的温度范围。这种即时的比较为设备的状态监测和故障预警提供了有效的手段。每个预设时间段对应一个预设温度阈值，这样的设计考虑到了设备在不同运行阶段可能具有不同的温度特性。这使得故障分析更加精细和准确。企业可以根据设备的实际运行情况和历史数据，灵活地设置和调整这些时间段和对应的阈值，以适应不同工作条件和需求。振幅是反映设备振动情况的关键指标。通过获取预设时间段内的振幅，可以评估设备的振动状态，进而判断其是否存在异常。异常的振动往往意味着设备的某些部件可能出现了磨损、不平衡或其他故障。因此，对振幅的监测和分析是预防设备故障的重要手段。预设振幅阈值是根据多个预设时间段内的振幅平均值来确定的。这种方法综合考虑了设备在长时间运行过程中的振动情况，使得阈值的设定更加科学和合理。通过与预设振幅阈值的比较，可以及时发现设备的异常振动，从而采取相应的维护措施，防止故障的发生或扩大。通过对温度数据和振动数据的实时监测与分析，企业可以在设备出现故障之前得到预警。这为企业提供了足够的时间来制定并执行维护计划，避免生产中断和昂贵的维修费用。及时的故障分析和预警有助于提高设备的可靠性，减少意外停机时间，从而确保生产的连续性和稳定性。通过减少设备故障，企业可以提高生产效率，降低生产成本，增强市场竞争力。
12、可选地，在所述将所述能源消耗数据输入至预设检测模型中，得到检测结果之前，训练所述预设检测模型；所述训练所述预设检测模型，具体包括：获取多个原始例证能源消耗特征以及与每个所述原始例证能源消耗特征各对应的原始例证检测结果特征；对至少两个所述原始例证能源消耗特征进行融合，得到融合例证能源消耗特征，并确定与所述融合例证能源消耗特征对应的融合例证检测结果特征；基于所述原始例证能源消耗特征、所述原始例证检测结果特征、所述融合例证能源消耗特征以及所述融合例证检测结果特征对预先建立的初始模型进行训练，以得到所述预设检测模型。
13、通过采用上述技术方案，通过获取多个原始例证能源消耗特征及其对应的原始例证检测结果特征，模型能够学习到不同能源消耗模式下的特征表示，从而提高对实际能源消耗数据的识别准确性。融合例证能源消耗特征的引入，使得模型能够处理更复杂、多变的能源消耗情况，进一步提高模型在实际情况下的预测能力。训练过程中使用的原始例证能源消耗特征和检测结果特征来源于多种不同场景和条件，这使得模型能够适应不同环境和设备条件下的能源消耗情况。通过在多种场景下训练模型，可以提高模型的泛化能力，使其在面对新的、未知的能源消耗数据时仍能保持较高的预测准确性。融合例证能源消耗特征和融合例证检测结果特征的引入，使得模型能够学习到更为复杂和精细的能源消耗模式，从而优化模型的性能。基于这些特征对初始模型进行训练，可以使模型在识别能源消耗异常时更加敏感和准确，提高故障检测的效率和准确性。一个经过充分训练的预设检测模型能够为企业提供准确的能源消耗数据分析和预测结果，从而为企业的能源管理决策提供有力支持。通过分析模型的输出结果，企业可以及时发现能源消耗异常，制定相应的节能措施或维护计划，提高能源使用效率并降低生产成本。训练好的预设检测模型可以自动接收和处理能源消耗数据，无需人工干预即可完成故障检测和预警。这大大提高了能源管理的自动化和智能化水平。自动化和智能化的能源管理可以降低人为错误和疏忽的风险，提高管理效率和准确性。
14、可选地，所述方法还包括：若确定所述家具生产设备发生故障，则生成检测报告，所述检测报告包括故障类型和故障位置；向用户设备发送所述检测报告，以使所述用户设备展示所述检测报告至所述用户设备对应的用户。
15、通过采用上述技术方案，一旦确定设备发生故障，立即生成检测报告能够确保故障信息得到及时的传达。这种及时性对于减少生产停机时间、提高生产效率至关重要。报告中包含的故障类型和故障位置信息基于准确的检测和诊断结果，能够为用户提供清晰、具体的故障信息，便于用户快速理解并采取相应的解决措施。将故障信息以报告的形式发送给用户设备，使得用户能够方便地查看故障详情。这种直观、简洁的展示方式提升了用户体验，使用户能够更加轻松地处理设备故障。报告中包含的详细信息能够减少用户的疑惑和不安，增强用户对设备维护的信心。生成的检测报告可以作为故障追踪和记录的依据，有助于企业了解设备的故障历史和维护情况。这对于分析设备故障原因、改进设备设计和提高设备质量具有重要意义。报告中的故障类型和故障位置信息可以为后续的故障排查和修复提供重要参考，提高故障解决的效率。发送故障报告到用户设备使得即使在没有现场人员的情况下，企业也能远程进行故障排查。这大大减少了因故障导致的停机时间和维修成本。明确的故障类型和位置信息可以帮助维修人员快速定位问题，减少不必要的检查和测试，提高维修效率。
16、在本技术的第二方面提供了一种针对家具生产设备的故障检测装置，所述故障检测装置包括获取模块和处理模块，其中，所述获取模块，用于获取家具生产设备的能源消耗数据；所述处理模块，用于将所述能源消耗数据输入至预设检测模型中，得到检测结果，所述检测结果用于指示所述家具生产设备所消耗能源正常或异常；所述处理模块，还用于若确定所述检测结果指示所述家具生产设备所消耗能源异常，则获取所述家具生产设备对应的驱动电机的温度数据和振动数据；所述处理模块，还用于对所述温度数据和所述振动数据进行故障分析；所述处理模块，还用于若确定所述温度数据异常和/或所述振动数据异常，则确定所述家具生产设备发生故障。
17、在本技术的第三方面提供了一种电子设备，所述电子设备包括处理器、存储器、用户接口以及网络接口，所述存储器用于存储指令，所述用户接口和所述网络接口均用于给其他设备通信，所述处理器用于执行所述存储器中存储的指令，以使所述电子设备执行如上所述的方法。
18、在本技术的第四方面提供了一种计算机可读存储介质，所述计算机可读存储介质存储有指令，当所述指令被执行时，执行如上所述的方法。
19、综上所述，本技术实施例中提供的一个或多个技术方案，至少具有如下技术效果或优点：
20、通过获取家具生产设备的能源消耗数据，企业可以实时监控设备的能耗情况，有助于优化生产计划，降低不必要的能源消耗，从而实现节能减排。预设的检测模型可以快速判断能源消耗是否正常，有助于及时发现并解决潜在的能源浪费问题。当检测到能源消耗异常时，系统能够迅速反应，进一步收集设备的驱动电机温度数据和振动数据，为故障分析提供数据支持。这种及时的故障预警有助于企业提前采取维护措施，避免因设备故障导致的生产中断和损失。结合温度数据和振动数据，系统可以对设备进行更为精准的故障分析，确定故障的具体位置和原因，这有助于企业提高故障处理的效率和准确性，减少维修时间和成本。通过自动化的故障检测和预警系统，企业可以及时发现并解决设备故障，减少生产中断时间，提高生产效率。同时，实时的故障分析和处理也有助于提高设备的可靠性和稳定性，延长设备的使用寿命。传统的故障检测主要依赖于人工经验判断，不仅效率低下，而且容易受到人为因素的影响。而自动化的故障检测系统可以大大降低对人工的依赖，减少人工成本，同时提高检测的准确性和可靠性。
1.一种针对家具生产设备的故障检测方法，其特征在于，所述方法包括：
2.根据权利要求1所述的针对家具生产设备的故障检测方法，其特征在于，所述获取家具生产设备的能源消耗数据，具体包括：
3.根据权利要求1所述的针对家具生产设备的故障检测方法，其特征在于，所述将所述能源消耗数据输入至预设检测模型中，得到检测结果，具体包括：
4.根据权利要求3所述的针对家具生产设备的故障检测方法，其特征在于，所述若确定所述检测结果指示所述家具生产设备所消耗能源异常，具体包括：
5.根据权利要求1所述的针对家具生产设备的故障检测方法，其特征在于，所述对所述温度数据和所述振动数据进行故障分析，具体包括：
6.根据权利要求1所述的针对家具生产设备的故障检测方法，其特征在于，在所述将所述能源消耗数据输入至预设检测模型中，得到检测结果之前，训练所述预设检测模型；所述训练所述预设检测模型，具体包括：
7.根据权利要求1所述的针对家具生产设备的故障检测方法，其特征在于，所述方法还包括：
8.一种针对家具生产设备的故障检测装置，其特征在于，所述故障检测装置包括获取模块(31)和处理模块(32)，其中，
9.一种电子设备，其特征在于，所述电子设备包括处理器(41)、存储器(45)、用户接口(43)以及网络接口(44)，所述存储器(45)用于存储指令，所述用户接口(43)和所述网络接口(44)均用于给其他设备通信，所述处理器(41)用于执行所述存储器(45)中存储的指令，以使所述电子设备执行如权利要求1至7任意一项所述的方法。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有指令，当所述指令被执行时，执行如权利要求1至7任意一项所述的方法。
