[发明专利]环境试验箱故障预测方法、装置、计算机设备及存储介质

权利要求书

1.一种环境试验箱故障预测方法，其特征在于，包括以下步骤：

获取试验箱运行的历史参量数据，所述历史参量数据包括自变量数据和因变量数据；

对所述因变量数据进行故障类型关联处理，确定有效故障类型；

对所述历史参量数据进行数据处理，所述数据处理包括异常数据处理和/或样本数据平衡化处理，得到标准样本参量数据；

根据所述有效故障类型及所述标准样本参量数据对预设算法模型进行训练，得到故障预测模型；

获取所述试验箱的实时监测自变量数据；

根据所述故障预测模型和所述实时监测自变量数据确定故障预测结果。

2.根据权利要求1所述的环境试验箱故障预测方法，其特征在于，所述对所述因变量数据进行故障类型关联处理，包括以下步骤：

获取预设关联规则模型；

根据所述预设关联规则模型确定所述因变量数据的频繁项集，所述频繁项集的支持度大于或者等于预设最小支持度；

根据所述频繁项集进行数据降维处理，确定有效故障类型。

3.根据权利要求1所述的环境试验箱故障预测方法，其特征在于，对所述历史参量数据进行异常数据处理，包括以下步骤：

获取所述自变量数据中的预设异常数据，所述预设异常数据包括：缺失值数据、空值数据及错误值数据；

获取所述预设异常数据的至少两个邻近样本数据，所述邻近样本数据与所述预设异常数据的时间间隔小于预设间隔时间；

根据所述至少两个邻近样本数据确定均值样本数据；

根据所述均值样本数据对所述预设异常数据进行处理，确定标准样本数据。

4.根据权利要求1所述的环境试验箱故障预测方法，其特征在于，对所述历史参量数据进行样本数据平衡化处理，包括以下步骤：

获取预设过采样算法模型；

根据所述预设过采样算法模型对所述标准样本数据中的少数类样本进行数据扩充，确定扩充样本数据；

根据所述标准样本数据及所述扩充样本数据确定所述标准样本参量数据。

5.根据权利要求4所述的环境试验箱故障预测方法，其特征在于，所述根据所述预设过采样算法模型对所述标准样本数据中的少数类样本进行数据扩充，包括以下步骤：

根据所述少数类样本中每个标准样本数据与其他标准样本数据之间的距离确定所述每个标准样本数据的k近邻数据集；

获取所述少数类样本中所述每个标准样本数据的不平衡比例；

根据所述不平衡比例确定所述k近邻数据集中的近邻数据；

根据所述每个标准样本数据、所述近邻数据和预设扩充函数确定扩充样本数据。

6.根据权利要求1所述的环境试验箱故障预测方法，其特征在于，在根据所述有效故障类型及所述标准样本参量数据对预设算法模型进行训练之后，还包括以下步骤：

获取所述故障预测模型的故障预测错判率和错判数据集；

若所述错判率大于或者等于预设错判率阈值，则根据所述错判数据集中的所述有效故障类型及所述标准样本参量数据对所述故障预测模型进行二次训练，直至所述错判率小于预设错判率阈值。

7.根据权利要求1所述的环境试验箱故障预测方法，其特征在于，根据所述有效故障类型及所述标准样本参量数据对预设算法模型进行训练，还包括以下步骤：

构建至少一个自学习算法模型；

根据所述有效故障类型及所述标准样本参量数据对所述至少一个自学习算法模型进行训练，得到至少一个训练模型，所述至少一个训练模型与所述至少一个自学习算法模型一一对应；

对所述至少一个训练模型进行分类评估，根据分类评估结果确定所述预设算法模型。