技术摘要：
本申请提供一种故障检测方法、装置、检测设备、旋挖机及存储介质。该故障检测方法中，根据该传感器的历史检测数据，预测未来预设时段内各传感器所采集数据的可能情况。通过训练好的第一神经网络模型对各传感器的预测数据进行处理，以确定该目标设备将要发生的故障类型  全部
背景技术：
随着设备使用寿命的增加，设备难免会出现或多或少的故障问题。目前在设备发 生故障时，往往需要专业的检修人员经人工检查后，才能确定具体的故障类型。然而检测结 果的准确度以及检修的效率，严重依赖于检修人员的个人经验。并且，目前并不能对设备将 要发生的故障的进行预测，使得用户难以提前进行应对。
技术实现要素：
为了克服现有技术中的至少一个不足，本申请实施例的目的之一在于提供一种故 障检测方法，应用于检测设备，该检测设备通过预设数量的传感器监测目标设备的工作状 态，所述检测设备配置有第一神经网络模型，所述方法包括： 获取所述传感器的预测数据，其中，针对各所述传感器，该传感器的预测数据预测 自该传感器的历史检测数据； 通过所述第一神经网络模型处理所述预测数据，获得处理结果； 根据所述处理结果预测该目标设备将要发生的故障类型。 可选地，所述检测设备为各所述传感器还配置有训练好的第二神经网络模型，所 述获取所述传感器的预测数据的步骤，包括： 针对各所述传感器，获取该传感器的历史检测数据； 通过与该传感器对应的第二神经网络模型处理所述历史检测数据，获得该传感器 的预测数据。 可选地，所述方法还包括： 获取各所述传感器在所述目标设备发生故障时的实测数据； 通过所述第一神经网络模型处理所述实测数据，确定该故障的故障类型。 可选地，所述方法还包括： 根据该目标设备将要发生的故障类型，确定与所述将要发生的故障类型相关的控 制参数； 调整所述控制参数，推迟故障将要发生的时间。 可选地，所述方法还包括： 将所述将要发生的故障类型以及故障将要发生的时间提供给用户。 本申请实施例的目的之二在于提供一种故障检测装置，应用于检测设备，该检测 设备通过预设数量的传感器监测目标设备的工作状态，所述检测设备配置有第一神经网络 模型，所述故障检测装置包括： 数据获取模块，用于获取所述传感器的预测数据，其中，针对各所述传感器，该传 3 CN 111598346 A 说　明　书 2/7 页 感器的预测数据预测自该传感器的历史检测数据； 数据处理模块，用于通过所述第一神经网络模型处理所述预测数据，获得处理结 果； 故障检测模块，用于根据所述处理结果预测该目标设备将要发生的故障类型。 可选地，所述检测设备为各所述传感器还配置有训练好的第二神经网络模型，所 述数据获取模块获取所述预测数据的方式包括： 针对各所述传感器，获取该传感器的历史检测数据； 通过与该传感器对应的第二神经网络模型处理所述历史检测数据，获得该传感器 的预测数据。 本申请实施例的目的之三在于提供一种检测设备，所述检测设备包括处理器以及 存储器，所述存储器存储有能够被所述处理器执行的计算机可执行指令，所述计算机可执 行指令被所述处理器执行时，实现所述的故障检测方法。 本申请实施例的目的之四在于提供一种旋挖机，包括所述的检测设备。 本申请实施例的目的之五在于提供一种存储介质，所述存储介质存储有能够处理 器执行的计算机程序，所述计算机程序被所述处理器执行时，实现所述的故障检测方法。 相对于现有技术而言，本申请具有以下有益效果： 综上所述，本申请实施例提供的故障检测方法、装置、检测设备、旋挖机及存储介 质。根据该传感器的历史检测数据，预测未来预设时段内各传感器所采集数据的可能情况。 通过训练好的第一神经网络模型对各传感器的预测数据进行处理，以确定该目标设备将要 发生的故障类型。 附图说明 为了更清楚地说明本申请实施例的技术方案，下面将对实施例中所需要使用的附 图作简单地介绍，应当理解，以下附图仅示出了本申请的某些实施例，因此不应被看作是对 范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这 些附图获得其他相关的附图。 图1为本申请实施例提供的检测设备的硬件结构图； 图2为本申请实施例提供的故障检测方法的步骤流程图； 图3为本申请实施例提供的预测数据获取方式示意图； 图4为本申请实施例提供的故障检测装置结构示意图。 图标：100-检测设备；110-故障检测装置；120-存储器；140-通信单元；130-处理 器；1101-数据获取模块；1102-数据处理模块；1103-故障检测模块。