本发明涉及自动化，特别涉及一种设备故障预测与维修方法、装置、设备及存储介质。
背景技术：
1、随着工业4.0时代的到来，设备的智能化、自动化水平不断提高，对设备维修的要求也越来越高。并且，由于设备的智能化水平越来越高，用于支持设备智能化的软件以及硬件也越来越复杂，维修成本也越来越高，但现有的对于设备的维修方式大多采用人工维修的方式，会耗费大量的人力物力，并且通过人工的方法进行软硬件的维修，其维修效率难以达到预期，由此可见传统的设备维修方式已经难以满足现代工业生产的需要。因此当前需要一种能够精准预测潜在故障并自动进行维修的方法。
技术实现思路
1、有鉴于此，本发明的目的在于提供一种设备故障预测与维修方法、装置、设备及存储介质可以通过构建的模型精准预测潜在故障，并且可以自动执行相应的维修操作，从而提高设备维护效率，降低维护成本。其具体方案如下：
2、第一方面，本申请公开了一种设备故障预测与维修方法，包括：
3、采集目标设备本地的运行状态数据，并对所述运行状态数据进行预处理，以得到目标运行状态数据；
4、对所述目标运行状态数据进行分析，以基于分析结果从预设若干机器学习算法中选择目标机器学习算法，并根据所述目标机器学习算法构建初始故障预测模型；
5、通过历史训练数据对所述初始故障预测模型进行多轮训练，以得到目标故障预测模型，并通过所述目标故障预测模型对所述目标设备进行故障预测，得到相应的故障预测结果；
6、基于所述故障预测结果进行设备自检测，若发生故障，则通过预设故障恢复组件进行设备自修复。
7、可选的，所述采集目标设备本地的运行状态数据，并对所述运行状态数据进行预处理，以得到目标运行状态数据，包括：
8、基于目标设备本地的微机电系统传感器采集所述目标设备的运行状态数据；
9、对所述运行状态数据进行数据清洗操作、特征提取操作以及特征选择操作，以得到目标运行状态数据。
10、可选的，所述对所述目标运行状态数据进行分析，以基于分析结果从预设若干机器学习算法中选择目标机器学习算法，并根据所述目标机器学习算法构建初始故障预测模型，包括：
11、对所述目标运行状态数据进行分析，以确定所述目标运行状态数据的数据特征，并确定所述目标设备对应的应用场景；
12、基于所述数据特征以及所述应用场景从预设若干机器学习算法中选择与所述数据特征以及所述应用场景对应的目标机器学习算法，并根据所述目标机器学习算法构建初始故障预测模型。
13、可选的，所述通过历史训练数据对所述初始故障预测模型进行多轮训练，以得到目标故障预测模型，包括：
14、获取所述目标设备本地保存的历史设备数据，并对所述历史设备数据进行预处理，以得到历史训练数据；
15、通过所述历史训练数据对所述初始故障预测模型进行训练，并对所述初始故障预测模型进行参数调整以及超参数优化，以得到待确定故障预测模型；
16、通过交叉验证对所述待确定故障预测模型的模型性能进行评估，并根据得到的评估结果确定所述待确定故障预测模型的模型性能是否满足预设性能要求；
17、若不满足，则跳转至所述通过所述历史训练数据对所述初始故障预测模型进行训练的步骤，直至所述待确定故障预测模型的模型性能满足所述预设性能要求；
18、若满足，则将所述待确定故障预测模型作为目标故障预测模型。
19、可选的，所述通过所述目标故障预测模型对所述目标设备进行故障预测，得到相应的故障预测结果，包括：
20、采集所述目标设备的当前运行状态数据，并将所述当前运行状态数据输入至所述目标故障预测模型，以通过所述目标故障预测模型预测所述目标设备的故障概率以及故障时间。
21、可选的，所述设备故障预测与维修方法，还包括：
22、基于预设更新周期采集所述目标设备在当前周期内的增量数据，以通过所述增量数据对所述目标故障预测模型进行更新；所述当前周期为与所述预设更新周期对应的一个周期。
23、可选的，所述若发生故障，则通过预设故障恢复组件进行设备自修，包括：
24、若发生故障，则确定故障类型，并通过预设可编程逻辑控制器或预设嵌入式系统执行与所述故障类型对应的自修复脚本，以进行设备自修复。
25、第二方面，本申请公开了一种设备故障预测与维修装置，包括：
26、数据处理模块，用于采集目标设备本地的运行状态数据，并对所述运行状态数据进行预处理，以得到目标运行状态数据；
27、模型构建模块，用于对所述目标运行状态数据进行分析，以基于分析结果从预设若干机器学习算法中选择目标机器学习算法，并根据所述目标机器学习算法构建初始故障预测模型；
28、故障预测模块，用于通过历史训练数据对所述初始故障预测模型进行多轮训练，以得到目标故障预测模型，并通过所述目标故障预测模型对所述目标设备进行故障预测，得到相应的故障预测结果；
29、设备修复模块，用于基于所述故障预测结果进行设备自检测，若发生故障，则通过预设故障恢复组件进行设备自修复。
30、第三方面，本申请公开了一种电子设备，包括：
31、存储器，用于保存计算机程序；
32、处理器，用于执行所述计算机程序以实现如前述的设备故障预测与维修方法。
33、第四方面，本申请公开了一种计算机可读存储介质，用于保存计算机程序，所述计算机程序被处理器执行时实现如前述的设备故障预测与维修方法。
34、本申请中，首先采集目标设备本地的运行状态数据，并对所述运行状态数据进行预处理，以得到目标运行状态数据，然后对所述目标运行状态数据进行分析，以基于分析结果从预设若干机器学习算法中选择目标机器学习算法，并根据所述目标机器学习算法构建初始故障预测模型，随后通过历史训练数据对所述初始故障预测模型进行多轮训练，以得到目标故障预测模型，并通过所述目标故障预测模型对所述目标设备进行故障预测，得到相应的故障预测结果，最后基于所述故障预测结果进行设备自检测，若发生故障，则通过预设故障恢复组件进行设备自修复。由此可见，通过本申请的方法可以对采集到的设备本地的运行状态数据进行预处理，得到目标运行状态数据，然后可以根据对目标运行状态数据进行分析，以根据分析结果选择相应的目标机器学习算法，以根据选择的目标机器学习算法构建初始故障预测模型，然后对初始故障预测模型进行训练，并通过得到的目标故障预测模型对设备进行故障预测，以得到相应的故障预测结果，最后可以根据故障预测结果进行设备自检测，若发生故障，则通过预设故障恢复组件进行设备自修复。这样一来，可以精准预测潜在故障，并自动执行相应的维修操作，从而显著提高设备维护效率，降低维护成本，确保设备的安全稳定运行。
1.一种设备故障预测与维修方法，其特征在于，包括：
2.根据权利要求1所述的设备故障预测与维修方法，其特征在于，所述采集目标设备本地的运行状态数据，并对所述运行状态数据进行预处理，以得到目标运行状态数据，包括：
3.根据权利要求1所述的设备故障预测与维修方法，其特征在于，所述对所述目标运行状态数据进行分析，以基于分析结果从预设若干机器学习算法中选择目标机器学习算法，并根据所述目标机器学习算法构建初始故障预测模型，包括：
4.根据权利要求1所述的设备故障预测与维修方法，其特征在于，所述通过历史训练数据对所述初始故障预测模型进行多轮训练，以得到目标故障预测模型，包括：
5.根据权利要求1所述的设备故障预测与维修方法，其特征在于，所述通过所述目标故障预测模型对所述目标设备进行故障预测，得到相应的故障预测结果，包括：
6.根据权利要求1所述的设备故障预测与维修方法，其特征在于，还包括：
7.根据权利要求1至6任一项所述的设备故障预测与维修方法，其特征在于，所述若发生故障，则通过预设故障恢复组件进行设备自修，包括：
8.一种设备故障预测与维修装置，其特征在于，包括：
9.一种电子设备，其特征在于，包括：
10.一种计算机可读存储介质，其特征在于，用于保存计算机程序，所述计算机程序被处理器执行时实现如权利要求1至7任一项所述的设备故障预测与维修方法。
