技术摘要：
本发明涉及一种压缩机质量预警服务的方法、系统、可读介质和电子设备，该方法包括：根据从历史故障数据中获取的传感器的检测数据与相应的故障类型构建关联分析数据表；对压缩机故障的关联规则进行建模，得到关联分析数据表上的频繁项集；根据关联分析数据表和压缩机故  全部
背景技术：
压缩机作为一种工业常用的机电设备常常面临各类故障，常见的故障类型包括但 不限于活塞环泄露、气阀弹簧松软或损坏、冷却水供应不足、联轴器联接松动或断裂、吸气 发漏气等。 目前常用的故障检测方法通常是建立在“观察并分析实时监测的压缩机各类信号 数据”的基础上的，根据工程实践经验，预示压缩机可能会出现故障的信号包含气缸内有异 常响声(噪声监测)、活塞杆及机身温度过热(温度监测)、排气量过低(进排气监测)等。通过 传感器的精密布置，这些监测信号在一定程度上可以具体到压缩机的零部件上，如可获得 温度数据的部件包含气缸、轴承、排气管、活塞杆、十字头滑道等，但是现有故障检测方法都 是针对已经发生的故障所表现出来的结果确定是否有故障，并不能对潜在的故障进行有效 预警。 基于上述，现有技术中存在无法基于检测数据挖掘出压缩机的潜在故障的问题。 上述缺陷是本领域技术人员期望克服的。
技术实现要素：
(一)要解决的技术问题 为了解决现有技术的上述问题，本发明提供一种压缩机质量预警服务的方法、系 统、可读介质和电子设备，进而至少在一定程度上克服现有技术中无法检测出压缩机的潜 在故障的问题。 (二)技术方案 为了达到上述目的，本发明采用的主要技术方案包括： 根据本发明的第一方面，提供一种压缩机质量预警服务的方法，包括： 根据从历史故障数据中获取的传感器的检测数据与相应的故障类型构建关联分 析数据表； 对压缩机故障的关联规则进行建模，得到关联分析数据表上的频繁项集； 根据关联分析数据表和压缩机故障的最小支持度构建FP树； 利用FP-Growth算法对FP树挖掘频繁项集； 对挖掘得到的频繁项集在集合内部按照索引进行排序，得到潜在故障集合。 在本发明一实施例中，根据从历史故障数据中获取的传感器的检测数据与相应的 故障类型构建关联分析数据表包括： 基于历史故障数据获取传感器的检测数据构建检测数据集合，其中xi＝[xi ,1 , xi,2,…,xi,n]表示第i个压缩机在n个不同特征下传感器的检测数据，n表示特征的数量，i∈ 5 CN 111597708 A 说　明　书 2/13 页 {1,…,m}，其中所述特征包括气缸温度、轴承温度、排气管温度、缸内噪声分贝、缸内气压中 至少两个； 基于历史故障数据获取第i个压缩机的故障类型yi，yi通过不同值表示不同的故障 类型； 根据检测数据集合和故障类型确定检测样本； 对检测样本进行处理，得到处理后的检测样本； 基于处理后的检测样本结合预设阈值生成用于关联分析的事务； 通过多条用于关联分析的事务构建关联分析数据表，记为 关联分析数据表中 在本发明一实施例中，所述基于处理后的检测样本结合预设阈值生成用于关联分 析的事务包括： 初 始 化 m - 1 个 集 合 ，每 个 集 合 中 包 含 对 应 样 本 的 故 障 类 型 ， 针对每一特征确定误差上限为∈j，其中j∈{1,…,n}； 对检测数据集合中的全部检测样本任意选择第一样本和第二样本进行两两比较， 计算得到置信比； 将特征满足误差上限且置信比大于预设阈值的两个检测样本判断为相似样本； 将相似样本中的第二样本对应的故障类型添加到第一样本的集合Ti中，得到用于 关联分析的事务。 在本发明一实施例中，对压缩机故障的关联规则进行建模，得到关联分析数据表 上的频繁项集包括： 将关联分析数据表中所有项的集合记为 根据关联分析数据表确定压缩机关联故障的支持度，设 且 将“规则Tp→Tk的支持度”记为support(Tp→Tk)，计算方式为： support(Tp→Tk)＝PD(Tp∪Tk) 其中PD(x)表示事务x在关联分析数据表D中发生的频率； 根据支持度确定压缩机关联故障的置信度，将“规则T p→T k的支持度”记为 confidence(Tp→Tk)，计算方式为： 设定支持度和置信度的最小值分别记为最小支持度smin和最小置信度cmin，若 support(Tp→Tk)≥smin且confidence(Tp→Tk)≥cmin，则Tp→Tk为一条强关联规则； 基于置信度结合强关联规则得到压缩机关联故障的频繁项集，设 若Tp在 关联分析数据表D中出现的概率大于或等于smin·(m-1)，则得到的Tp为关联分析数据表中 的一个频繁项集，Tp＝{yi,1,yi,2,…,yi,q}。 在本发明一实施例中，根据关联分析数据表和压缩机故障的最小支持度构建FP树 6 CN 111597708 A 说　明　书 3/13 页 包括： 利用最小支持度对所述关联分析数据表中的频繁项集进行逐一进行时比较，删除 关联分析数据表中支持度小于最小支持度的项，得到包含所有频繁一项集的集合L，其中所 述频繁一项集为仅有一个频繁项的集合； 将集合L中所有频繁一项集按照支持度从大到小进行排序； 创建FP树的根节点，将排序靠前的事务T′i依次链接到根节点上，将共享相同根节 点的部分合并，并将被共享的项对应的数值加1； 如果插入后有新的节点，则将项头表对应的节点通过节点链表链接到新的节点， 得到FP树。 在本发明一实施例中，利用FP-Growth算法对FP树挖掘频繁项集包括： 建立项表头，每一行最后一个节点存放指向FP树中对应项的指针，每一行为一个 链表，其中所述项表头为链表的集合； 为每个频繁一项集寻找前缀路径，组成条件模式基； 从项表头的底部项开始依次向上找到项表头对应的条件模式基，建立条件FP树； 对条件FP树从条件模式基递归挖掘项头表的频繁项集； 判断是否限制频繁项集的项数，如果不限制则直接返回挖掘得到的频繁项集；如 果限制则仅返回满足项数要求的频繁项集。 在本发明一实施例中，对挖掘得到的频繁项集在集合内部按照索引进行排序，得 到潜在故障集合包括： 将每个挖掘得到的频繁项集在集合内部按照索引进行排序，得到的频繁项集分别 记为F1,…,Fk； 初始化长度向量ci为零向量，ci是长度为|I|-1的向量； 定义关联规则中强规则阈值为s； 从F1,…,Fk中依次选取一项Fj，判断故障类型yi是否属于Fj，如果yi属于Fj则对于Fj 中除yi以外的任意元素yp，长度向量ci的第p个位置的元素加1； 如果长度向量ci大于或等于强规则阈值s，则将频繁项集合并到潜在故障集合中 得到频繁项集中每个显然故障对应的潜在故障集合。 根据本发明的第二方面，还提供一种压缩机质量预警服务的系统，包括： 数据表模块，用于根据从历史故障数据中获取的传感器的检测数据与相应的故障 类型构建关联分析数据表； 规则建模模块，用于对压缩机故障的关联规则进行建模，得到关联分析数据表上 的频繁项集； FP树构建模块，用于根据关联分析数据表和压缩机故障的最小支持度构建FP树； 数据挖掘模块，用于利用FP-Growth算法对FP树挖掘频繁项集； 潜在故障模块，用于对挖掘得到的频繁项集在集合内部按照索引进行排序，得到 潜在故障集合。 根据本发明的第三方面，还提供一种电子设备，包括： 处理器； 存储器，存储用于所述处理器控制以上所述的方法步骤的指令。 7 CN 111597708 A 说　明　书 4/13 页 根据本发明的第四方面，还提供一种计算机可读介质，其上存储有计算机可执行 指令，所述可执行指令被处理器执行时实现以上所述的方法步骤。 (三)有益效果 本发明的有益效果是：本发明实施例提供的一种压缩机质量预警服务的方法、系 统、可读介质和电子设备，根据关联分析数据表和压缩机故障的最小支持度构建FP树之后， 通过FP-Growth算法的运用对FP树挖掘频繁项集，可以在已发现的压缩机故障的基础上找 到暂未被发现但是可能存在的潜在故障，可以实时根据传感器的检测数据挖掘得到压缩机 的潜在故障，通过分析潜在故障并及时修复，从而切实地提高压缩机寿命，进而提高售后服 务的质量。 附图说明 图1为本发明一个实施例提供的一种压缩机质量预警服务的方法的流程图； 图2为本发明一实施例图1中步骤S110的流程图； 图3为本发明一实施例中FP树构建中将T′i插入到FP树中的示意图； 图4为本发明一实施例中FP树构建中将T′2插入到FP树中的示意图； 图5为本发明一实施例中FP树构建中合并T′1和T′2的共享前缀的示意图； 图6为本发明一实施例中最终得到的FP树的示意图； 图7为本发明一实施例中基于图6所示FP树建立项头表的示意图； 图8为本发明一实施例中{y4}的条件FP树的示意图； 图9为本发明一实施例中更新{y4}的条件FP树的示意图； 图10为本发明一实施例中{y5}最终的条件FP树的示意图； 图11为本发明另一实施例中还提供一种压缩机质量预警服务的系统的示意图； 图12是根据本发明一实施例示出的一种电子设备的计算机系统的结构示意图。