[發(fā)明專利]一種基于深度學(xué)習(xí)的工業(yè)設(shè)備故障預(yù)測(cè)方法有效
| 申請(qǐng)?zhí)枺?/td> | 201710469573.2 | 申請(qǐng)日: | 2017-06-20 |
| 公開(公告)號(hào): | CN107238507B | 公開(公告)日: | 2019-12-31 |
| 發(fā)明(設(shè)計(jì))人: | 黃坤山;李力;王華龍 | 申請(qǐng)(專利權(quán))人: | 佛山市南海區(qū)廣工大數(shù)控裝備協(xié)同創(chuàng)新研究院;佛山市廣工大數(shù)控裝備技術(shù)發(fā)展有限公司 |
| 主分類號(hào): | G01M99/00 | 分類號(hào): | G01M99/00;G01R31/00;G06K9/62;G06N3/08 |
| 代理公司: | 44329 廣東廣信君達(dá)律師事務(wù)所 | 代理人: | 楊曉松 |
| 地址: | 528225 *** | 國(guó)省代碼: | 廣東;44 |
| 權(quán)利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關(guān)鍵詞: | 一種 基于 深度 學(xué)習(xí) 工業(yè) 設(shè)備 故障 預(yù)測(cè) 方法 | ||
1.一種基于深度學(xué)習(xí)的工業(yè)設(shè)備故障預(yù)測(cè)方法,其特征在于:包括以下步驟:
S1.通過傳感器采集工業(yè)設(shè)備傳感數(shù)據(jù);
S2.根據(jù)傳感數(shù)據(jù)固定時(shí)間內(nèi)的時(shí)序波獲取頻譜圖;
S3.深度學(xué)習(xí)算法根據(jù)頻譜圖對(duì)工業(yè)設(shè)備進(jìn)行故障預(yù)測(cè);
所述步驟S3中深度學(xué)習(xí)算法采用卷積神經(jīng)網(wǎng)絡(luò),具體步驟如下:
S31.利用工業(yè)設(shè)備正常工作和不正常工作時(shí)的傳感數(shù)據(jù)頻譜圖離線訓(xùn)練卷積神經(jīng)網(wǎng)絡(luò)框架;
S32.利用訓(xùn)練好的卷積神經(jīng)網(wǎng)絡(luò)框架,根據(jù)傳感數(shù)據(jù)的頻譜圖,在線預(yù)測(cè)工業(yè)設(shè)備故障與否;
所述步驟S31利用工業(yè)設(shè)備正常工作和不正常工作時(shí)的傳感數(shù)據(jù)頻譜圖離線訓(xùn)練卷積神經(jīng)網(wǎng)絡(luò)框架,主要包括以下步驟:
S311.構(gòu)造卷積神經(jīng)網(wǎng)絡(luò),具體步驟如下:
A.構(gòu)造輸入層:把尺寸大小一樣的工業(yè)設(shè)備正常工作和不正常工作時(shí)的傳感數(shù)據(jù)頻譜圖作為輸入層;
B.構(gòu)造卷積層:卷積層由K個(gè)卷積濾波器構(gòu)成,對(duì)頻譜圖進(jìn)行濾波得到K個(gè)特征圖s1;
C.構(gòu)造下采樣層:下采樣層對(duì)特征圖進(jìn)行采用,分別對(duì)K個(gè)特征圖的t×t大小的領(lǐng)域進(jìn)行加權(quán)求和或者取其最大值等運(yùn)算,再乘上一個(gè)乘子偏差,加上位移偏差,接著通過一個(gè)激活函數(shù)的運(yùn)算,得到最后的下采樣特征圖c1;
D.重復(fù)步驟B和步驟C:下采樣特征圖c1再作為輸入層,通過B步驟得到第二層卷積層s2,再通過C步驟下采樣,得到第二層下采樣層c2,重復(fù)這兩個(gè)步驟,特征圖的大小變小直到最后一次濾波后光柵化為一維數(shù)據(jù);
E.構(gòu)造密集連接層:對(duì)光柵化為一維的數(shù)據(jù)加入有M個(gè)神經(jīng)元的全連接層,即通過乘上全連接層的權(quán)重矩陣,加上偏置,然后對(duì)其使用激活函數(shù)ReLU,得到最后的全連接層;
F.構(gòu)造輸出層:輸出層采用softmax層,跟全連接層相連,輸出最后的檢測(cè)結(jié)果;
S312.利用工業(yè)設(shè)備正常工作和不正常工作的傳感數(shù)據(jù)頻譜圖,采用Adam算法對(duì)卷積神經(jīng)網(wǎng)絡(luò)的誤差梯度做最速下降優(yōu)化,離線訓(xùn)練卷積神經(jīng)網(wǎng)絡(luò)。
2.根據(jù)權(quán)利要求1所述的一種基于深度學(xué)習(xí)的工業(yè)設(shè)備故障預(yù)測(cè)方法,其特征在于:所述步驟S2的具體步驟如下:
S21.把采集的各種傳感數(shù)據(jù)按t毫秒的固定時(shí)長(zhǎng)分塊;
S22.把在t毫秒時(shí)間內(nèi)的傳感數(shù)據(jù)繪成時(shí)序波;
S23.利用傅立葉變換運(yùn)算分解時(shí)序波,求取各個(gè)頻帶的能量值,獲取各種傳感數(shù)據(jù)的時(shí)序波頻譜圖。
該專利技術(shù)資料僅供研究查看技術(shù)是否侵權(quán)等信息,商用須獲得專利權(quán)人授權(quán)。該專利全部權(quán)利屬于佛山市南海區(qū)廣工大數(shù)控裝備協(xié)同創(chuàng)新研究院;佛山市廣工大數(shù)控裝備技術(shù)發(fā)展有限公司,未經(jīng)佛山市南海區(qū)廣工大數(shù)控裝備協(xié)同創(chuàng)新研究院;佛山市廣工大數(shù)控裝備技術(shù)發(fā)展有限公司許可,擅自商用是侵權(quán)行為。如果您想購(gòu)買此專利、獲得商業(yè)授權(quán)和技術(shù)合作,請(qǐng)聯(lián)系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/201710469573.2/1.html,轉(zhuǎn)載請(qǐng)聲明來源鉆瓜專利網(wǎng)。
- 根據(jù)用戶學(xué)習(xí)效果動(dòng)態(tài)變化下載學(xué)習(xí)數(shù)據(jù)的系統(tǒng)及方法
- 用于智能個(gè)人化學(xué)習(xí)服務(wù)的方法
- 漸進(jìn)式學(xué)習(xí)管理方法及漸進(jìn)式學(xué)習(xí)系統(tǒng)
- 輔助學(xué)習(xí)的方法及裝置
- 基于人工智能的課程推薦方法、裝置、設(shè)備及存儲(chǔ)介質(zhì)
- 基于強(qiáng)化學(xué)習(xí)的自適應(yīng)移動(dòng)學(xué)習(xí)路徑生成方法
- 一種線上視頻學(xué)習(xí)系統(tǒng)
- 一種基于校園大數(shù)據(jù)的自適應(yīng)學(xué)習(xí)方法、裝置及設(shè)備
- 一種學(xué)習(xí)方案推薦方法、裝置、設(shè)備和存儲(chǔ)介質(zhì)
- 游戲?qū)W習(xí)效果評(píng)測(cè)方法及系統(tǒng)





