本技术涉及设备智能运维，特别是涉及一种气缸状态监测方法、装置、计算机设备、存储介质和计算机程序产品。
背景技术：
1、随着人工智能技术的发展，气缸动作的实时数据和历史数据能够存储在之恶能制造数据服务平台中，为基于数据进行气缸状态变化趋势预测和气缸设备运维奠定了基础。
2、目前的气缸状态监测和故障预测方法主要是提取数据的时域特征，提取的特征信息较少，且大都采用人工设置的报警阈值，当监测数据超过阈值时进行故障告警，因此目前的气缸状态监测和故障告警方法不能基于气缸多维度的状态变化趋势进行客观有效的描述，存在监测准确度低的问题。
技术实现思路
1、基于此，有必要针对上述技术问题，提供一种能够提高气缸状态监测准确度的气缸状态监测方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。
2、第一方面，本技术提供了一种气缸状态监测方法，包括：
3、获取气缸在预设时间长度内的运行数据的时间序列；
4、对所述运行数据的时间序列进行特征提取处理，得到所述运行数据在预设特征下的特征值；所述预设特征包括时间特征和频域特征；
5、在所述时间特征和所述频域特征中的任一个特征的特征值超出对应的阈值范围的条件下，生成对所述气缸的告警信息；
6、其中，所述时间特征和所述频域特征中的每个特征对应的阈值范围，基于所述气缸在多个历史时间长度内的历史运行数据确定。
7、在其中一个实施例中，所述在所述时间特征和所述频域特征中的任一个特征的特征值超出对应的阈值范围的条件下，生成对所述气缸的告警信息之前，还包括：
8、获取包括所述时间特征和所述频域特征中的每个特征对应的阈值范围的控制图；
9、根据所述控制图对所述运行数据在预设特征下的特征值进行监测。
10、在其中一个实施例中，所述在所述时间特征和所述频域特征中的任一个特征超出对应的阈值范围通过下述方式确定：
11、分别对所述气缸在多个历史时间长度内的历史运行数据进行所述任一个特征的提取，得到所述任一个特征的多个历史特征值；
12、计算所述多个历史特征值的平均值和标准差；
13、根据所述多个历史特征值的平均值和标准差，确定所述任一个特征对应的阈值范围。
14、在其中一个实施例中，所述对所述运行数据的时间序列进行特征提取处理，得到所述运行数据在预设特征下的特征值，包括：
15、对所述运行数据的时间序列进行计算，得到时间特征；
16、对所述运行数据的时间序列进行频域转换，得到转换后的时间序列；
17、对所述转换后的时间序列进行特征提取，得到频域特征。
18、在其中一个实施例中，所述对所述运行数据的时间序列进行特征提取处理，得到所述运行数据在预设特征下的特征值之后，还包括：
19、将所述时间特征输入训练好的第一时间序列预测模型，得到所述气缸在预测时间段内的预测时间特征序列；
20、以及，将所述频域特征输入训练好的第二时间序列预测模型，得到所述气缸在预测时间段内的预测频域特征序列；
21、在所述预测时间特征序列和所述预测频域特征序列中的异常特征的数目符合预设预警条件的情况下，生成对所述气缸的预警信息；所述异常特征为所述预测时间特征序列和所述预测频域特征序列中超出对应的阈值范围的特征。
22、在其中一个实施例中，所述方法还包括：
23、获取所述预测时间特征序列中的时间特征和所述预测频域特征序列中的频域特征的总数目；
24、在所述异常特征的数目与所述总数目之间的比值大于比值阈值的情况下，确定所述预测时间特征序列和所述预测频域特征序列中的异常特征的数目符合预设预警条件。
25、第二方面，本技术还提供了一种气缸状态监测装置，包括：
26、序列获取模块，用于获取气缸在预设时间长度内的运行数据的时间序列；
27、特征提取模块，用于对所述运行数据的时间序列进行特征提取处理，得到所述运行数据在预设特征下的特征值；所述预设特征包括时间特征和频域特征；
28、告警生成模块，用于在所述时间特征和所述频域特征中的任一个特征的特征值超出对应的阈值范围的条件下，生成对所述气缸的告警信息；
29、其中，所述时间特征和所述频域特征中的每个特征对应的阈值范围，基于所述气缸在多个历史时间长度内的历史运行数据确定。
30、第三方面，本技术还提供了一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：
31、获取气缸在预设时间长度内的运行数据的时间序列；
32、对所述运行数据的时间序列进行特征提取处理，得到所述运行数据在预设特征下的特征值；所述预设特征包括时间特征和频域特征；
33、在所述时间特征和所述频域特征中的任一个特征的特征值超出对应的阈值范围的条件下，生成对所述气缸的告警信息；
34、其中，所述时间特征和所述频域特征中的每个特征对应的阈值范围，基于所述气缸在多个历史时间长度内的历史运行数据确定。
35、第四方面，本技术还提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：
36、获取气缸在预设时间长度内的运行数据的时间序列；
37、对所述运行数据的时间序列进行特征提取处理，得到所述运行数据在预设特征下的特征值；所述预设特征包括时间特征和频域特征；
38、在所述时间特征和所述频域特征中的任一个特征的特征值超出对应的阈值范围的条件下，生成对所述气缸的告警信息；
39、其中，所述时间特征和所述频域特征中的每个特征对应的阈值范围，基于所述气缸在多个历史时间长度内的历史运行数据确定。
40、第五方面，本技术还提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现以下步骤：
41、获取气缸在预设时间长度内的运行数据的时间序列；
42、对所述运行数据的时间序列进行特征提取处理，得到所述运行数据在预设特征下的特征值；所述预设特征包括时间特征和频域特征；
43、在所述时间特征和所述频域特征中的任一个特征的特征值超出对应的阈值范围的条件下，生成对所述气缸的告警信息；
44、其中，所述时间特征和所述频域特征中的每个特征对应的阈值范围，基于所述气缸在多个历史时间长度内的历史运行数据确定。
45、上述气缸状态监测方法、装置、计算机设备、存储介质和计算机程序产品，通过获取预设时间长度内的运行数据的时间序列，并进行特征提取，得到运行数据在预设的特征包括时间特征和频域特征下的特征值，在任一个特征值超出对应的阈值范围的条件下生成对应的告警信息，该方法获取了气缸运行数据的时间特征和频域特征，从多维度的特征信息对气缸状态进行监测，并且通过气缸在多个历史时间长度内的历史运行数据确定每个特征对应的阈值范围，基于该阈值范围进行监测和告警，提高了气缸状态监测的准确度。
1.一种气缸状态监测方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述在所述时间特征和所述频域特征中的任一个特征的特征值超出对应的阈值范围的条件下，生成对所述气缸的告警信息之前，还包括：
3.根据权利要求1所述的方法，其特征在于，所述在所述时间特征和所述频域特征中的任一个特征超出对应的阈值范围通过下述方式确定：
4.根据权利要求1所述的方法，其特征在于，所述对所述运行数据的时间序列进行特征提取处理，得到所述运行数据在预设特征下的特征值，包括：
5.根据权利要求1所述的方法，其特征在于，所述对所述运行数据的时间序列进行特征提取处理，得到所述运行数据在预设特征下的特征值之后，还包括：
6.根据权利要求5所述的方法，其特征在于，所述方法还包括：
7.一种气缸状态监测装置，其特征在于，所述装置包括：
8.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至6中任一项所述的方法的步骤。
9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。
10.一种计算机程序产品，包括计算机程序，其特征在于，该计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。
