转动机械设备控制方法、转动装置、机械设备和计算机可读介质
技术领域
1.本公开的设备实施例涉及计算机技术领域，具体涉及转动机械设备控制方法
、控制
装置
、流程
设备和计算机可读介质
。转动
背景技术：
2.由于机械设备长期处于运行状态，机械及时对机械设备进行故障检测，设备对于提高机械设备运行的控制安全性至关重要
。
目前，流程在对机械设备进行故障检测时，转动通常采用的机械方式为：仅根据待检测的装配零件的运行数据或者根据机械设备的整体运行数据
、
基于传统的设备专家系统判断机械设备是否发生故障以用于控制机械设备的运行
。
3.然而，控制发明人发现，流程当采用上述方式对机械设备的装配零件进行检测时，经常会存在如下技术问题：
4.第一，机械设备中的各个装配零件在运行中互相配合
、
互相影响，仅根据单独的运行数据确定机械设备的运行状态，忽略了各个装配零件之间的关联性，从而导致判断结果的准确性较低，造成机械设备的安全性较低
。
5.第二，仅根据待检测的装配零件的运行数据预估装配零件的运行状态，参考数据单一，所预估的运行状态的准确性较低，从而导致判断结果的准确性较低，造成机械设备的安全性较低
。
6.该背景技术部分中所公开的以上信息仅用于增强对本发明构思的背景的理解，并因此，其可包含并不形成本国的本领域普通技术人员已知的现有技术的信息
。
技术实现要素：
7.本公开的内容部分用于以简要的形式介绍构思，这些构思将在后面的具体实施方式部分被详细描述
。
本公开的内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征，也不旨在用于限制所要求的保护的技术方案的范围
。
8.本公开的一些实施例提出了转动机械设备控制方法
、
装置
、
电子设备和计算机可读介质，来解决以上背景技术部分提到的技术问题中的一项或多项
。
9.第一方面，本公开的一些实施例提供了一种转动机械设备控制方法，该方法包括：响应于检测到对应目标转动机械设备的设备检测请求信息，根据上述设备检测请求信息包括的检测零件标识集和关联零件标识组集，确定零件标识集，其中，上述设备检测请求信息还包括检测类型；获取对应上述零件标识集的各个零件运行信息；对于上述各个零件运行信息中的每个零件运行信息，根据上述零件运行信息，生成零件预示信息；响应于确定上述检测类型满足预设第一检测条件，对于上述检测零件标识集中的每个检测零件标识，执行以下步骤：将上述关联零件标识组集中对应上述检测零件标识的关联零件标识组确定为第一关联零件标识组；根据上述检测零件标识
、
上述第一关联零件标识组和所生成的各个零件预示信息，确定第一零件预示信息组；根据上述第一零件预示信息组，生成检测零件故障信息集合；根据所生成的各个检测零件故障信息集合和预设故障等级信息，确定设备故障
信息；响应于确定上述设备故障信息满足预设故障条件，控制上述目标转动机械设备停止运行
。
10.第二方面，本公开的一些实施例提供了一种转动机械设备控制装置，装置包括：第一确定单元，被配置成响应于检测到对应目标转动机械设备的设备检测请求信息，根据上述设备检测请求信息包括的检测零件标识集和关联零件标识组集，确定零件标识集，其中，上述设备检测请求信息还包括检测类型；获取单元，被配置成获取对应上述零件标识集的各个零件运行信息；生成单元，被配置成对于上述各个零件运行信息中的每个零件运行信息，根据上述零件运行信息，生成零件预示信息；执行单元，被配置成响应于确定上述检测类型满足预设第一检测条件，对于上述检测零件标识集中的每个检测零件标识，执行以下步骤：将上述关联零件标识组集中对应上述检测零件标识的关联零件标识组确定为第一关联零件标识组；根据上述检测零件标识
、
上述第一关联零件标识组和所生成的各个零件预示信息，确定第一零件预示信息组；根据上述第一零件预示信息组，生成检测零件故障信息集合；第二确定单元，被配置成根据所生成的各个检测零件故障信息集合和预设故障等级信息，确定设备故障信息；控制单元，被配置成响应于确定上述设备故障信息满足预设故障条件，控制上述目标转动机械设备停止运行
。
11.第三方面，本公开的一些实施例提供了一种电子设备，包括：一个或多个处理器；存储装置，其上存储有一个或多个程序，当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现上述第一方面任一实现方式所描述的方法
。
12.第四方面，本公开的一些实施例提供了一种计算机可读介质，其上存储有计算机程序，其中，上述计算机程序被处理器执行时实现上述第一方面任一实现方式所描述的方法
。
13.本公开的上述各个实施例具有如下有益效果：通过本公开的一些实施例的转动机械设备控制方法可以提高机械设备的安全性
。
具体来说，造成机械设备的安全性较低的原因在于：机械设备中的各个装配零件在运行中互相配合
、
互相影响，仅根据单独的运行数据确定机械设备的运行状态，忽略了各个装配零件之间的关联性，从而导致判断结果的准确性较低，造成机械设备的安全性较低
。
基于此，本公开的一些实施例的转动机械设备控制方法，首先，响应于检测到对应目标转动机械设备的设备检测请求信息，根据上述设备检测请求信息包括的检测零件标识集和关联零件标识组集，确定零件标识集
。
其中，上述设备检测请求信息还包括检测类型
。
由此，当需要对机械设备或者机械设备的装配零件进行检测时，可以确定待检测的各个零件以及与待检测的零件相关的各个零件
。
其次，获取对应上述零件标识集的各个零件运行信息
。
由此，可以得到待检测的各个零件和关联的各个零件的运行信息，从而可以用于生成各个待检测零件的零件预示信息
。
然后，对于上述各个零件运行信息中的每个零件运行信息，根据上述零件运行信息，生成零件预示信息
。
由此，可以得到各个零件的运行时的预示类型，从而可以用于确定各个零件是否会发生故障以及发生的故障类型
。
之后，响应于确定上述检测类型满足预设第一检测条件，对于上述检测零件标识集中的每个检测零件标识，执行以下步骤：第一步，将上述关联零件标识组集中对应上述检测零件标识的关联零件标识组确定为第一关联零件标识组
。
由此，可以得到与检测零件相关联的各个关联零件标识
。
第二步，根据上述检测零件标识
、
上述第一关联零件标识组和所生成的各个零件预示信息，确定第一零件预示信息组
。
由此，可以得到检测零件和与其相关联
的各个关联零件的预估的预示类型，从而可以用于确定检测零件的故障信息
。
第三步，根据上述第一零件预示信息组，生成检测零件故障信息集合
。
由此，可以得到检测零件的各个故障信息，从而可以用于确定机械设备的故障信息
。
接着，根据所生成的各个检测零件故障信息集合和预设故障等级信息，确定设备故障信息
。
由此，可以得到机械设备的故障类型，从而可以用于判断是否需要停止机械设备的运行
。
最后，响应于确定上述设备故障信息满足预设故障条件，控制上述目标转动机械设备停止运行
。
由此，当机械设备的故障需要停机维修时，可以自动控制机械设备停止运行，从而可以提高机械设备的安全性
。
也因为在判断机械设备是否发生故障时，考虑了各个装配零件之间的关联性，从而提升了判断结果的准确性，由此，可以提高机械设备的安全性
。
附图说明
14.结合附图并参考以下具体实施方式，本公开各实施例的上述和其他特征
、
优点及方面将变得更加明显
。
贯穿附图中，相同或相似的附图标记表示相同或相似的元素
。
应当理解附图是示意性的，元件和元素不一定按照比例绘制
。
15.图1是根据本公开的转动机械设备控制方法的一些实施例的流程图；
16.图2是根据本公开的转动机械设备控制装置的一些实施例的结构示意图；
17.图3是适于用来实现本公开的一些实施例的电子设备的结构示意图
。
具体实施方式
18.下面将参照附图更详细地描述本公开的实施例
。
虽然附图中显示了本公开的某些实施例，然而应当理解的是，本公开可以通过各种形式来实现，而且不应该被解释为限于这里阐述的实施例
。
相反，提供这些实施例是为了更加透彻和完整地理解本公开
。
应当理解的是，本公开的附图及实施例仅用于示例性作用，并非用于限制本公开的保护范围
。
19.另外还需要说明的是，为了便于描述，附图中仅示出了与有关发明相关的部分
。
在不冲突的情况下，本公开中的实施例及实施例中的特征可以相互组合
。
20.需要注意，本公开中提及的“第一”、“第二”等概念仅用于对不同的装置
、
模块或单元进行区分，并非用于限定这些装置
、
模块或单元所执行的功能的顺序或者相互依存关系
。
21.需要注意，本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的，本领域技术人员应当理解，除非在上下文另有明确指出，否则应该理解为“一个或多个”。
22.本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的，而并不是用于对这些消息或信息的范围进行限制
。
23.下面将参考附图并结合实施例来详细说明本公开
。
24.图1示出了根据本公开的转动机械设备控制方法的一些实施例的流程
100。
该转动机械设备控制方法，包括以下步骤：
25.步骤
101
，响应于检测到对应目标转动机械设备的设备检测请求信息，根据设备检测请求信息包括的检测零件标识集和关联零件标识组集，确定零件标识集
。
26.在一些实施例中，转动机械设备控制方法的执行主体
(
例如计算设备
)
可以响应于检测到对应目标转动机械设备的设备检测请求信息，根据上述设备检测请求信息包括的检测零件标识集和关联零件标识组集，确定零件标识集
。
其中，上述目标转动机械设备可以为
待检测的运行中的机械设备
。
例如，上述目标转动机械设备可以为减速机
。
上述执行主体可以为电脑
。
上述执行主体与上述目标转动机械设备可以通信连接
。
上述设备检测请求信息可以为请求对机械设备进行检测的信息
。
上述设备检测请求信息可以包括但不限于检测设备标识
、
检测类型
、
检测零件标识集和关联零件标识组集
。
上述检测设备标识可以为对应的目标转动机械设备的唯一标识
。
上述检测类型可以为对目标转动机械设备进行检测的方式
。
上述检测类型可以为但不限于以下中的一项：零件检测
、
整机检测
。
上述零件检测可以表征对目标转动机械设备包括的部分零件进行检测以确定目标转动机械设备是否出现故障
。
上述部分零件可以为预先设定的零件
。
上述整机检测可以表征对目标转动机械设备包括的各个零件进行检测以确定目标转动机械设备的是否出现故障
。
上述检测零件标识集包括的检测零件标识可以为待检测的零件的唯一标识
。
上述关联零件标识组集包括的关联零件标识可以为关联零件的唯一标识
。
上述关联零件可以为与待检测的零件相关联的零件
。
作为示例，当待检测的零件为齿轮时，上述关联零件可以为轴，也可以为轴承
。
上述检测零件标识集包括的检测零件标识与上述关联零件标识组集包括的关联零件标识组可以一一对应
。
实践中，首先，上述执行主体可以对于检测零件标识集中的每个检测零件标识，将上述检测零件标识确定为第一零件标识
。
其次，对于关联零件标识组集中的每个关联零件标识，将上述关联零件标识确定为第一零件标识
。
然后，将所确定的各个第一零件标识确定为第一零件标识集
。
最后，对上述第一零件标识集进行去重处理，得到零件标识集
。
27.步骤
102
，获取对应零件标识集的各个零件运行信息
。
28.在一些实施例中，上述执行主体可以获取对应上述零件标识集的各个零件运行信息
。
其中，上述各个零件运行信息包括的零件运行信息可以为零件运行的信息
。
上述零件标识集包括的零件标识与上述各个零件运行信息包括的零件运行信息可以一一对应
。
上述零件运行信息可以包括但不限于零件振动加速度
、
零件温度
。
上述零件振动加速度可以为对应零件标识的零件的振动加速度
。
上述零件温度可以为对应零件标识的零件的温度
。
实践中，上述执行主体可以通过有线连接方式或者无线连接方式从各个零件传感器中获取对应上述零件标识集的各个零件运行信息
。
上述各个零件传感器中的零件传感器可以为用于检测对应零件标识的零件的运行数据的传感器
。
上述各个零件传感器中的零件传感器可以为但不限于以下中的一项：振动加速度传感器
、
温度传感器
。
29.需要指出的是，上述无线连接方式可以包括但不限于
3g/4g
连接
、wifi
连接
、
蓝牙连接
、wimax
连接
、zigbee
连接
、uwb(ultra wideband)
连接
、
以及其他现在已知或将来开发的无线连接方式
。
30.步骤
103
，对于各个零件运行信息中的每个零件运行信息，根据零件运行信息，生成零件预示信息
。
31.在一些实施例中，上述执行主体可以对于上述各个零件运行信息中的每个零件运行信息，根据上述零件运行信息，生成零件预示信息
。
其中，上述零件预示信息可以为预示零件发生故障的预示类型和概率
。
上述零件预示信息可以包括但不限于零件预示类型
、
发生预示类型概率
。
上述零件预示类型可以表征零件运行时表现异常的类型
。
上述零件预示类型可以为但不限于以下中的一项：轴振动异常
、
轴承外圈振动异常
。
上述发生预示类型概率可以为对应零件发生对应零件预示类型的概率
。
32.在一些实施例的一些可选的实现方式中，对于上述各个零件运行信息中的每个零
件运行信息，上述执行主体可以通过以下步骤，根据上述零件运行信息，生成零件预示信息：
33.第一步，将上述零件标识集中对应上述零件运行信息的零件标识确定为目标零件标识
。
34.第二步，将预设的零件预示信息生成模型集合中对应上述目标零件标识的零件预示信息生成模型确定为目标预示信息生成模型
。
其中，上述零件预示信息生成模型集合包括的零件预示信息生成模型可以为以对应零件标识的零件运行信息为输入
、
以零件预示信息为输出的分类模型
。
零件预示信息生成模型可以将对应零件标识的零件运行信息与预设预示信息关系表中多组预设零件运行信息依次进行比较
。
上述预设预示信息关系表可以为基于大量的预设零件运行信息进行分析而创建的
。
上述预设零件运行信息可以为预先设定的零件运行信息
。
每组预设零件运行信息对应有预设零件预示信息
。
上述预设零件预示信息可以为预先设定的零件预示信息
。
35.第三步，将上述零件运行信息输入上述目标预示信息生成模型，得到零件预示信息
。
36.可选地，上述执行主体还可以执行以下步骤：
37.第一步，响应于检测到输入零件预示信息，确定上述输入零件预示信息和上述零件预示信息是否满足预设冲突条件
。
其中，上述输入零件预示信息可以为用户输入的零件预示信息
。
上述输入零件预示信息可以包括但不限于输入零件预示类型和输入发生预示类型概率
。
上述输入零件预示类型可以为用户输入的零件预示类型
。
上述输入发生预示类型概率可以为用户输入的发生预示类型概率
。
上述预设冲突条件可以为输入零件预示信息包括的输入零件预示类型与上述零件预示信息包括的零件预示类型相同，且输入零件预示信息包括的输入发生预示类型概率与上述零件预示信息包括的发生预示类型概率的差值大于等于预设冲突阈值
。
上述预设冲突阈值可以为预先设定的阈值
。
例如，上述预设冲突阈值可以为
0.4。
38.第二步，响应于确定上述输入零件预示信息和上述零件预示信息满足上述预设冲突条件，将上述零件预示信息更新为输入零件预示信息，得到更新零件预示信息作为零件预示信息
。
39.作为示例，当输入零件预示信息为“轴转频异常；
0”，零件预示信息为“轴转频异常；
0.8”时，则将零件预示信息更新为“轴转频异常；
0”。
40.可选地，上述执行主体还可以响应于确定上述输入零件预示信息和上述零件预示信息未满足上述预设冲突条件，将上述输入零件预示信息添加至上述零件预示信息，得到更新零件预示信息作为零件预示信息
。
41.作为示例，当输入零件预示信息为“轴温度异常；
0.8”，零件预示信息为“轴转频异常；
0.8”时，则更新零件预示信息为“轴温度异常；
0.8
；轴转频异常；
0.8”。
42.在一些实施例的另一些可选的实现方式中，对于上述各个零件运行信息中的每个零件运行信息，上述执行主体可以通过以下步骤，根据上述零件运行信息，生成零件预示信息：
43.第一步，控制相关联的图像采集设备采集对应上述零件运行信息的零件图像序列
。
其中，上述图像采集设备可以为采集图像的设备
。
例如，上述图像采集设备可以为摄像
头
。
上述零件图像序列包括的零件图像可以为与零件运行信息对应的零件的图像
。
44.第二步，对上述零件图像序列中的各个零件图像进行特征提取处理，得到图像特征信息集
。
其中，上述图像特征信息集中的图像特征信息与上述零件图像序列中的零件图像一一对应
。
上述图像特征信息集中的图像特征信息可以为对应零件图像的特征向量
。
实践中，上述执行主体可以通过预设图像特征提取算法对上述零件图像序列中的各个零件图像进行特征提取处理，得到图像特征信息集
。
其中，上述预设图像特征提取算法可以为但不限于以下中的一项：基于神经网络的特征提取算法
、hog(histogram of oriented gradient,
方向梯度直方图
)
特征提取算法
、sift(scale-invariant features transform,
尺度不变特征变换
)
特征提取算法
。
45.第三步，对上述图像特征信息集包括的各个图像特征信息进行特征融合处理，得到图像融合特征信息
。
实践中，上述执行主体可以对上述图像特征信息集包括的各个图像特征信息进行加权平均求和处理，得到图像融合特征信息
。
46.第四步，对上述零件运行信息进行特征提取处理，得到零件特征信息
。
实践中，上述执行主体可以通过预设信息特征提取算法对上述零件运行信息进行特征提取处理，得到零件特征信息
。
其中，上述预设信息特征提取算法可以为预先设定的对信息进行特征提取处理的算法
。
例如，上述预设信息特征提取算法可以为基于卷积神经网络的特征提取算法
。
47.第五步，将上述图像融合特征信息和上述零件特征信息输入预先训练的设备零件预示信息生成模型，得到设备零件预示信息作为零件预示信息
。
其中，上述设备零件预示信息生成模型可以为以图像融合特征信息和零件特征信息为输入，以设备零件预示信息为输出的分类模型
。
上述设备零件预示信息生成模型可以包括输入层
、
第一分类模型
、
第二分类模型
、
第三分类模型和输出层
。
上述输入层可以对图像融合特征信息和零件特征信息进行特征融合
。
第一分类模型
、
第二分类模型
、
第三分类模型可以为用于生成目标零件预示信息的不同类型的分类模型
。
第一分类模型
、
第二分类模型
、
第三分类模型所生成的各个目标零件预示信息中的目标零件预示信息可以包括零件预示类型和发生预示类型概率
。
上述输出层可以将上述各个目标零件预示信息包括的各个零件预示类型中任意两个相同的零件预示类型确定为设备零件预示类型
。
然后，将各个目标零件预示信息中对应上述设备零件预示类型的各个目标零件预示信息确定为目标信息组
。
其中，对应上述设备零件预示类型可以为目标零件预示信息包括的零件预示类型与上述设备零件预示类型相同
。
之后，将上述目标信息组中各个目标信息包括的各个发生预示类型概率的平均值确定为设备零件发生预示类型概率
。
最后，将设备零件预示类型和设备零件发生预示类型概率确定为设备零件预示信息作为零件预示信息
。
上述输入层分别与上述第一分类模型
、
上述第二分类模型和上述第三分类模型连接
。
上述第一分类模型
、
上述第二分类模型
、
上述第三分类模型与上述输出层连接
。
48.上述技术方案及其相关内容作为本公开的实施例的一个发明点，解决了背景技术提及的技术问题二“仅根据待检测的装配零件的运行数据预估装配零件的运行状态，参考数据单一，所预估的运行状态的准确性较低，从而导致判断结果的准确性较低，造成机械设备的安全性较低”。
导致机械设备的安全性较低的因素往往如下：仅根据待检测的装配零件的运行数据预估装配零件的运行状态，参考数据单一，所预估的运行状态的准确性较低，从而导致判断结果的准确性较低，造成机械设备的安全性较低
。
如果解决了上述因素，就能达
到提高机械设备的安全性的效果
。
为了达到这一效果，本公开的一些实施例的转动机械设备控制方法，首先，控制相关联的图像采集设备采集对应上述零件运行信息的零件图像序列
。
由此，可以得到对应零件的零件图像序列，从而可以用于判断零件在运行时是否发生异常
。
其次，对上述零件图像序列中的各个零件图像进行特征提取处理，得到图像特征信息集
。
对上述图像特征信息集包括的各个图像特征信息进行特征融合处理，得到图像融合特征信息
。
由此，可以得到较为准确的零件的图像特征向量，从而可以提高判断零件在运行时是否发生异常的准确性
。
然后，对上述零件运行信息进行特征提取处理，得到零件特征信息
。
由此，可以得到零件的运行数据的特征向量，从而可以用于判断零件的在运行时是否发生异常
。
最后，将上述图像融合特征信息和上述零件特征信息输入预先训练的设备零件预示信息生成模型，得到设备零件预示信息作为零件预示信息
。
其中，上述设备零件预示信息生成模型包括输入层
、
第一分类模型
、
第二分类模型
、
第三分类模型和输出层
。
由此，可以同时参考零件图像和零件的运行数据，判断零件在运行时是否异常，从而可以提高判断零件在运行时是否发生异常的准确性
。
也因为在判断装配零件是否发生异常时，不仅参考了零件的运行数据，同时参考了零件的实际图像，从而提高了判断零件在运行时是否发生异常的准确性，由此，提高了机械设备的安全性
。
49.步骤
104
，响应于确定检测类型满足预设第一检测条件，对于检测零件标识集中的每个检测零件标识，执行以下步骤：
50.步骤
1041
，将关联零件标识组集中对应检测零件标识的关联零件标识组确定为第一关联零件标识组
。
51.在一些实施例中，上述执行主体可以将上述关联零件标识组集中对应上述检测零件标识的关联零件标识组确定为第一关联零件标识组
。
其中，上述预设第一检测条件可以为上述检测类型表征对目标转动机械设备包括的部分零件进行检测以确定目标转动机械设备是否出现故障
。
52.步骤
1042
，根据检测零件标识
、
第一关联零件标识组和所生成的各个零件预示信息，确定第一零件预示信息组
。
53.在一些实施例中，上述执行主体可以根据上述检测零件标识
、
上述第一关联零件标识组和所生成的各个零件预示信息，确定第一零件预示信息组
。
实践中，首先，上述执行主体可以将所生成的各个零件预示信息中对应上述检测零件标识的零件预示信息确定为第一零件预示信息
。
然后，对于上述第一关联零件标识组包括的每个第一关联零件标识，将所生成的各个零件预示信息中对应上述第一关联零件标识的零件预示信息确定为第一零件预示信息
。
最后，将所确定的各个第一零件预示信息确定为第一零件预示信息组
。
54.步骤
1043
，根据第一零件预示信息组，生成检测零件故障信息集合
。
55.在一些实施例中，上述执行主体可以根据上述第一零件预示信息组，生成检测零件故障信息集合
。
其中，上述检测零件故障信息集合中的检测零件故障信息可以为待检测的零件的故障类型
。
上述故障类型可以为但不限于以下中的至少一项：轴不对中
、
齿轮打齿
。
实践中，上述执行主体可以通过各种方式根据上述第一零件预示信息组，生成检测零件故障信息集合
。
56.在一些实施例的一些可选的实现方式中，上述执行主体还可以通过以下步骤根据上述第一零件预示信息组，生成检测零件故障信息集合：
57.第一步，对于上述第一零件预示信息组中的每个第一零件预示信息，执行以下子步骤：
58.第一子步骤，将预设的零件故障信息生成模型集合中对应上述第一零件预示信息的零件故障信息生成模型确定为目标零件故障信息生成模型
。
其中，上述零件故障信息生成模型集合中的零件故障信息生成模型可以表征第一零件预示信息与零件故障信息的对应关系
。
零件故障信息生成模型可以为以第一零件预示信息为输入，以零件故障信息为输出的分类模型
。
零件故障信息生成模型可以将第一零件预示信息与预设故障信息关系表中多组预设第一零件预示信息依次进行比较
。
上述预设故障信息关系表可以为基于大量的预设第一零件预示信息进行分析而创建的
。
上述预设第一零件预示信息可以为预先设定的第一零件预示信息
。
每组预设第一零件预示信息对应有预设零件故障信息
。
上述预设零件故障信息可以为预先设定的零件故障信息
。
59.第二子步骤，将上述第一零件预示信息输入上述目标零件故障信息生成模型，生成零件故障信息作为检测零件故障信息
。
60.第二步，将所生成的各个检测零件故障信息确定为检测零件故障信息集合
。
61.步骤
105
，根据所生成的各个检测零件故障信息集合和预设故障等级信息，确定设备故障信息
。
62.在一些实施例中，上述执行主体可以根据所生成的各个检测零件故障信息集合和预设故障等级信息，确定设备故障信息
。
其中，上述预设故障等级信息可以表征预先设定的故障类型的优先级
。
上述预设故障等级信息可以包括但不限于预设故障类型和预设故障等级
。
上述预设故障类型可以为预先设定的故障类型
。
上述预设故障等级可以为预先设定的对应预设故障类型的等级
。
上述预设故障等级可以为但不限于一级
、
二级
、
三级
。
其中，一级可以优先于二级
。
二级可以优先于三级，依次类推
。
实践中，首先，上述执行主体可以对所生成的各个检测零件故障信息集合包括的各个检测零件故障信息进行去重处理，得到目标检测零件故障信息集合
。
然后，对于上述目标检测零件故障信息集合包括的每个目标检测零件故障信息，执行以下步骤：
63.第一步，将上述目标检测零件故障信息集合中满足预设同类条件的各个目标检测零件故障信息确定为同类故障信息组
。
其中，上述预设同类条件可以为目标检测零件故障信息与上述目标检测零件故障信息属于相同故障类别
。
上述故障类别可以包括但不限于定位轴故障
、
定位齿轮故障
、
定位轴承外圈故障
。
上述定位轴故障可以表征定位轴出现故障
。
上述定位齿轮故障可以表征定位齿轮出现故障
。
上述定位轴承外圈故障可以表征定位轴承外圈出现故障
。
64.第二步，对于同类故障信息组包括的每个同类故障信息，根据预设故障等级信息，确定信息等级
。
实践中，对于同类故障信息组包括的每个同类故障信息，上述执行主体可以将预设故障等级信息包括的对应上述同类故障信息的预设故障等级确定为信息等级
。
其中，对应上述同类故障信息可以为对应的预设故障类型与上述同类故障信息相同
。
65.第三步，将所确定的各个信息等级中等级为最高级的信息等级确定为目标信息等级
。
66.第四步，将对应上述目标信息等级的同类故障信息确定为目标同类故障信息
。
67.最后，将所确定的各个目标同类故障信息确定为设备故障信息
。
68.可选地，在步骤
105
之前，上述执行主体还可以执行以下步骤：
69.第一步，响应于确定上述检测类型满足预设第二检测条件，根据上述各个零件运行信息，生成设备预示信息
。
其中，上述预设第二检测条件可以为上述检测类型表征对目标转动机械设备包括的各个零件进行检测以确定目标转动机械设备的是否出现故障
。
实践中，上述执行主体可以将上述各个零件运行信息输入预先训练的设备预示信息生成模型，得到设备预示信息
。
其中，上述设备预示信息生成模型可以为以各个零件运行信息为输入，以设备预示信息为输出的神经网路
。
上述设备预示信息可以为预示机械设备整体发生异常的预示类型和概率
。
上述设备预示信息可以包括但不限于整机预示类型
、
整机发生预示类型概率
。
上述整机预示类型可以为但不限于整机温度过高
。
上述整机发生预示类型概率可以为机械设备发生对应整机预示类型的概率
。
70.第二步，对于上述检测零件标识集中的每个检测零件标识，执行以下子步骤：
71.第一子步骤，将上述关联零件标识组集中对应上述检测零件标识的关联零件标识组确定为第二关联零件标识组
。
72.第二子步骤，根据上述检测零件标识
、
上述第二关联零件标识组
、
所生成的各个零件预示信息和上述设备预示信息，确定第二零件预示信息组
。
实践中，首先，上述执行主体可以将所生成的各个零件预示信息中对应上述检测零件标识的零件预示信息确定为第二零件预示信息
。
然后，对于上述第二关联零件标识组包括的每个第二关联零件标识，将所生成的各个零件预示信息中对应上述第二关联零件标识的零件预示信息确定为第二零件预示信息
。
之后，将上述设备预示信息确定为第二零件预示信息
。
最后，将所确定的各个第二零件预示信息确定为第二零件预示信息组
。
73.第三子步骤，根据上述第二零件预示信息组，生成检测零件故障信息集合
。
实践中，首先，对于上述第二零件预示信息组包括的每个第二零件预示信息，上述执行主体可以将上述第二零件预示信息输入对应上述检测零件标识的预先训练的检测零件故障信息生成模型，得到检测零件故障信息
。
其中，上述检测零件故障信息生成模型可以为以第二零件预示信息为输入，以检测零件故障信息为输出的神经网络
。
74.步骤
106
，响应于确定设备故障信息满足预设故障条件，控制目标转动机械设备停止运行
。
75.在一些实施例中，上述执行主体可以响应于确定上述设备故障信息满足预设故障条件，控制上述目标转动机械设备停止运行
。
其中，上述预设故障条件可以为上述设备故障信息表征机械设备存在故障
。
76.本公开的上述各个实施例具有如下有益效果：通过本公开的一些实施例的转动机械设备控制方法可以提高机械设备的安全性
。
具体来说，造成机械设备的安全性较低的原因在于：机械设备中的各个装配零件在运行中互相配合
、
互相影响，仅根据单独的运行数据确定机械设备的运行状态，忽略了各个装配零件之间的关联性，从而导致判断结果的准确性较低，造成机械设备的安全性较低
。
基于此，本公开的一些实施例的转动机械设备控制方法，首先，响应于检测到对应目标转动机械设备的设备检测请求信息，根据上述设备检测请求信息包括的检测零件标识集和关联零件标识组集，确定零件标识集
。
其中，上述设备检测请求信息还包括检测类型
。
由此，当需要对机械设备或者机械设备的装配零件进行检测时，可以确定待检测的各个零件以及与待检测的零件相关的各个零件
。
其次，获取对应上述零
件标识集的各个零件运行信息
。
由此，可以得到待检测的各个零件和关联的各个零件的运行信息，从而可以用于生成各个待检测零件的零件预示信息
。
然后，对于上述各个零件运行信息中的每个零件运行信息，根据上述零件运行信息，生成零件预示信息
。
由此，可以得到各个零件的运行时的预示类型，从而可以用于确定各个零件是否会发生故障以及发生的故障类型
。
之后，响应于确定上述检测类型满足预设第一检测条件，对于上述检测零件标识集中的每个检测零件标识，执行以下步骤：第一步，将上述关联零件标识组集中对应上述检测零件标识的关联零件标识组确定为第一关联零件标识组
。
由此，可以得到与检测零件相关联的各个关联零件标识
。
第二步，根据上述检测零件标识
、
上述第一关联零件标识组和所生成的各个零件预示信息，确定第一零件预示信息组
。
由此，可以得到检测零件和与其相关联的各个关联零件的预估的预示类型，从而可以用于确定检测零件的故障信息
。
第三步，根据上述第一零件预示信息组，生成检测零件故障信息集合
。
由此，可以得到检测零件的各个故障信息，从而可以用于确定机械设备的故障信息
。
接着，根据所生成的各个检测零件故障信息集合和预设故障等级信息，确定设备故障信息
。
由此，可以得到机械设备的故障类型，从而可以用于判断是否需要停止机械设备的运行
。
最后，响应于确定上述设备故障信息满足预设故障条件，控制上述目标转动机械设备停止运行
。
由此，当机械设备的故障需要停机维修时，可以自动控制机械设备停止运行，从而可以提高机械设备的安全性
。
也因为在判断机械设备是否发生故障时，考虑了各个装配零件之间的关联性，从而提升了判断结果的准确性，由此，可以提高机械设备的安全性
。
77.进一步参考图2，作为对上述各图所示方法的实现，本公开提供了一种转动机械设备控制装置的一些实施例，这些装置实施例与图1所示的那些方法实施例相对应，该装置具体可以应用于各种电子设备中
。
78.如图2所示，一些实施例的转动机械设备控制装置
200
包括：第一确定单元
201、
获取单元
202、
生成单元
203、
执行单元
204、
第二确定单元
205
和控制单元
206。
其中，第一确定单元
201
被配置成响应于检测到对应目标转动机械设备的设备检测请求信息，根据上述设备检测请求信息包括的检测零件标识集和关联零件标识组集，确定零件标识集，其中，上述设备检测请求信息还包括检测类型；获取单元
202
被配置成获取对应上述零件标识集的各个零件运行信息；生成单元
203
被配置成对于上述各个零件运行信息中的每个零件运行信息，根据上述零件运行信息，生成零件预示信息；执行单元
204
被配置成响应于确定上述检测类型满足预设第一检测条件，对于上述检测零件标识集中的每个检测零件标识，执行以下步骤：将上述关联零件标识组集中对应上述检测零件标识的关联零件标识组确定为第一关联零件标识组；根据上述检测零件标识
、
上述第一关联零件标识组和所生成的各个零件预示信息，确定第一零件预示信息组；根据上述第一零件预示信息组，生成检测零件故障信息集合；第二确定单元
205
被配置成根据所生成的各个检测零件故障信息集合和预设故障等级信息，确定设备故障信息；控制单元
206
被配置成响应于确定上述设备故障信息满足预设故障条件，控制上述目标转动机械设备停止运行
。
79.可以理解的是，转动机械设备控制装置
200
中记载的诸单元与参考图1描述的方法中的各个步骤相对应
。
由此，上文针对方法描述的操作
、
特征以及产生的有益效果同样适用于装置
200
及其中包含的单元，在此不再赘述
。
80.下面参考图3，其示出了适于用来实现本公开的一些实施例的电子设备
300(
例如
protocol
，超文本传输协议
)
之类的任何当前已知或未来研发的网络协议进行通信，并且可以与任意形式或介质的数字数据通信
(
例如，通信网络
)
互连
。
通信网络的示例包括局域网
(“lan”)
，广域网
(“wan”)
，网际网
(
例如，互联网
)
以及端对端网络
(
例如，
ad hoc
端对端网络
)
，以及任何当前已知或未来研发的网络
。
86.上述计算机可读介质可以是上述电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中
。
上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该电子设备执行时，使得该电子设备：响应于检测到对应目标转动机械设备的设备检测请求信息，根据上述设备检测请求信息包括的检测零件标识集和关联零件标识组集，确定零件标识集，其中，上述设备检测请求信息还包括检测类型；获取对应上述零件标识集的各个零件运行信息；对于上述各个零件运行信息中的每个零件运行信息，根据上述零件运行信息，生成零件预示信息；响应于确定上述检测类型满足预设第一检测条件，对于上述检测零件标识集中的每个检测零件标识，执行以下步骤：将上述关联零件标识组集中对应上述检测零件标识的关联零件标识组确定为第一关联零件标识组；根据上述检测零件标识
、
上述第一关联零件标识组和所生成的各个零件预示信息，确定第一零件预示信息组；根据上述第一零件预示信息组，生成检测零件故障信息集合；根据所生成的各个检测零件故障信息集合和预设故障等级信息，确定设备故障信息；响应于确定上述设备故障信息满足预设故障条件，控制上述目标转动机械设备停止运行
。
87.可以以一种或多种程序设计语言或其组合来编写用于执行本公开的一些实施例的操作的计算机程序代码，上述程序设计语言包括面向对象的程序设计语言
—
诸如
java、smalltalk、c++
，还包括常规的过程式程序设计语言
—
诸如“c”语言或类似的程序设计语言
。
程序代码可以完全地在用户计算机上执行
、
部分地在用户计算机上执行
、
作为一个独立的软件包执行
、
部分在用户计算机上部分在远程计算机上执行
、
或者完全在远程计算机或服务器上执行
。
在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络
——
包括局域网
(lan)
或广域网
(wan)——
连接到用户计算机，或者，可以连接到外部计算机
(
例如利用因特网服务提供商来通过因特网连接
)。
88.附图中的流程图和框图，图示了按照本公开各种实施例的系统
、
方法和计算机程序产品的可能实现的体系架构
、
功能和操作
。
在这点上，流程图或框图中的每个方框可以代表一个模块
、
程序段
、
或代码的一部分，该模块
、
程序段
、
或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令
。
也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生
。
例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定
。
也要注意的是，框图和
/
或流程图中的每个方框
、
以及框图和
/
或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现
。
89.描述于本公开的一些实施例中的单元可以通过软件的方式实现，也可以通过硬件的方式来实现
。
所描述的单元也可以设置在处理器中，例如，可以描述为：一种处理器包括第一确定单元
、
获取单元
、
生成单元
、
执行单元
、
第二确定单元和控制单元
。
其中，这些单元的名称在某种情况下并不构成对该单元本身的限定，例如，第一确定单元还可以被描述为“响应于检测到对应目标转动机械设备的设备检测请求信息，根据上述设备检测请求信息
包括的检测零件标识集和关联零件标识组集，确定零件标识集的单元”。
90.本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行
。
例如，非限制性地，可以使用的示范类型的硬件逻辑部件包括：现场可编程门阵列
(fpga)、
专用集成电路
(asic)、
专用标准产品
(assp)、
片上系统
(soc)、
复杂可编程逻辑设备
(cpld)
等等
。
91.以上描述仅为本公开的一些较佳实施例以及对所运用技术原理的说明
。
本领域技术人员应当理解，本公开的实施例中所涉及的发明范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述发明构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案
。
例如上述特征与本公开的实施例中公开的
(
但不限于
)
具有类似功能的技术特征进行互相替换而形成的技术方案
。