[發(fā)明專(zhuān)利]一種基于神經(jīng)網(wǎng)絡(luò)的機(jī)械設(shè)備故障診斷方法與系統(tǒng)

在審

• 申請(qǐng)?zhí)枺?/td>: 201810713197.1
• 申請(qǐng)日: 2018-06-29
• 公開(kāi)（公告）號(hào): CN109062177A
• 公開(kāi)（公告）日: 2018-12-21
• 發(fā)明（設(shè)計(jì)）人: 王晨升;易陽(yáng);賈智涵
• 申請(qǐng)（專(zhuān)利權(quán)）人: 無(wú)錫易通精密機(jī)械股份有限公司
• 主分類(lèi)號(hào): G05B23/02
• 分類(lèi)號(hào): G05B23/02
• 代理公司: 北京品源專(zhuān)利代理有限公司 11332
• 代理人: 孟金喆

本發(fā)明公開(kāi)一種基于神經(jīng)網(wǎng)絡(luò)的機(jī)械設(shè)備故障診斷方法與系統(tǒng)，包括：S101、故障診斷專(zhuān)家系統(tǒng)知識(shí)庫(kù)獲取機(jī)械設(shè)備故障屬性；S102、執(zhí)行故障屬性擴(kuò)充，輸出完整特征數(shù)據(jù)集；S103、將所述完整特征數(shù)據(jù)集與采集到的機(jī)械設(shè)備振動(dòng)信號(hào)進(jìn)行數(shù)據(jù)處理；S104、采用深度神經(jīng)網(wǎng)絡(luò)分類(lèi)器對(duì)步驟S103處理后的數(shù)據(jù)進(jìn)行分類(lèi)訓(xùn)練，獲得故障診斷結(jié)果。本發(fā)明將專(zhuān)家系統(tǒng)知識(shí)庫(kù)的知識(shí)轉(zhuǎn)化為神經(jīng)網(wǎng)絡(luò)可訓(xùn)練的數(shù)據(jù)，在小樣本中得到大樣本的訓(xùn)練結(jié)果，提高了機(jī)械設(shè)備故障診斷的準(zhǔn)確率。

技術(shù)領(lǐng)域

本發(fā)明涉及機(jī)械設(shè)備故障診斷技術(shù)領(lǐng)域，尤其涉及一種基于神經(jīng)網(wǎng)絡(luò)的機(jī) 械設(shè)備故障診斷方法與系統(tǒng)。

背景技術(shù)

機(jī)械設(shè)備例如數(shù)控機(jī)床等在航空航天、交通運(yùn)輸、經(jīng)濟(jì)生產(chǎn)、冶金化工等 各個(gè)工業(yè)和生產(chǎn)領(lǐng)域中有著非常廣泛的應(yīng)用。但是，機(jī)械設(shè)備一旦發(fā)生故障， 不僅會(huì)帶來(lái)經(jīng)濟(jì)損失，更可能危及人身安全，造成嚴(yán)重的危害和影響。如何保 持其健康運(yùn)轉(zhuǎn)，以及設(shè)備出現(xiàn)故障后及時(shí)檢測(cè)和修理，都是重要的問(wèn)題。所以， 對(duì)機(jī)械設(shè)備的故障診斷方法進(jìn)行研究是一件非常有必要和意義的事。隨著計(jì)算 機(jī)技術(shù)在實(shí)時(shí)監(jiān)測(cè)和診斷領(lǐng)域應(yīng)用的不斷深化，將基于知識(shí)庫(kù)的專(zhuān)家系統(tǒng)技術(shù) 應(yīng)用于診斷領(lǐng)域已經(jīng)成為診斷技術(shù)的一個(gè)重要方向。但是，傳統(tǒng)的故障診斷專(zhuān) 家系統(tǒng)是通過(guò)預(yù)先設(shè)定好的知識(shí)庫(kù)和推理機(jī)對(duì)機(jī)械設(shè)備進(jìn)行故障診斷。如此以 來(lái)，如果機(jī)械設(shè)備出現(xiàn)了一組沒(méi)有在知識(shí)庫(kù)中構(gòu)建過(guò)的故障數(shù)據(jù)，傳統(tǒng)專(zhuān)家系 統(tǒng)無(wú)法將其有效地識(shí)別出來(lái)，降低了故障診斷的精度。

發(fā)明內(nèi)容

本發(fā)明的目的在于通過(guò)一種基于神經(jīng)網(wǎng)絡(luò)的機(jī)械設(shè)備故障診斷方法與系 統(tǒng)，來(lái)解決以上背景技術(shù)部分提到的問(wèn)題。

為達(dá)此目的，本發(fā)明采用以下技術(shù)方案：

一種基于神經(jīng)網(wǎng)絡(luò)的機(jī)械設(shè)備故障診斷方法，該方法包括：

S101、故障診斷專(zhuān)家系統(tǒng)知識(shí)庫(kù)獲取機(jī)械設(shè)備故障屬性；

S102、執(zhí)行故障屬性擴(kuò)充，輸出完整特征數(shù)據(jù)集；

S103、將所述完整特征數(shù)據(jù)集與采集到的機(jī)械設(shè)備振動(dòng)信號(hào)進(jìn)行數(shù)據(jù)處理；

S104、采用深度神經(jīng)網(wǎng)絡(luò)分類(lèi)器對(duì)步驟S103處理后的數(shù)據(jù)進(jìn)行分類(lèi)訓(xùn)練， 獲得故障診斷結(jié)果。

特別地，所述步驟S102包括：通過(guò)基于Adam算法的深度神經(jīng)網(wǎng)絡(luò)即屬性 擴(kuò)充神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)故障屬性擴(kuò)充。

特別地，步驟S102具體包括：將故障診斷專(zhuān)家系統(tǒng)知識(shí)庫(kù)獲取的機(jī)械設(shè)備 故障屬性即異常的特征節(jié)點(diǎn)，按照完整數(shù)據(jù)特征節(jié)點(diǎn)的存放格式保存，在無(wú)數(shù) 據(jù)位置進(jìn)行補(bǔ)零操作，通過(guò)屬性擴(kuò)充神經(jīng)網(wǎng)絡(luò)將補(bǔ)零部分?jǐn)U充為完整數(shù)據(jù)集。

特別地，所述步驟S103中機(jī)械設(shè)備振動(dòng)信號(hào)通過(guò)若干傳感器進(jìn)行采集，并 在采集后通過(guò)數(shù)據(jù)采集設(shè)備輸出。

特別地，所述步驟S104中深度神經(jīng)網(wǎng)絡(luò)分類(lèi)器通過(guò)如下方式選擇：同時(shí)使 用基于Adam算法的深度神經(jīng)網(wǎng)絡(luò)分類(lèi)器和基于Quasi-Newton算法的深度神經(jīng) 網(wǎng)絡(luò)分類(lèi)器對(duì)機(jī)械設(shè)備振動(dòng)信號(hào)訓(xùn)練集進(jìn)行分類(lèi)訓(xùn)練，將得到的結(jié)果進(jìn)行比較， 根據(jù)比較結(jié)果，選擇分類(lèi)準(zhǔn)確率高的深度神經(jīng)網(wǎng)絡(luò)分類(lèi)器。

本發(fā)明還公開(kāi)了一種基于神經(jīng)網(wǎng)絡(luò)的機(jī)械設(shè)備故障診斷系統(tǒng)，該系統(tǒng)包括 若干上位機(jī)和服務(wù)器；所述上位機(jī)用于將收到的機(jī)械設(shè)備振動(dòng)信號(hào)輸出給服務(wù) 器；所述服務(wù)器用于執(zhí)行步驟S101至步驟S104：S101、故障診斷專(zhuān)家系統(tǒng)知識(shí) 庫(kù)獲取機(jī)械設(shè)備故障屬性；S102、執(zhí)行故障屬性擴(kuò)充，輸出完整特征數(shù)據(jù)集； S103、將所述完整特征數(shù)據(jù)集與采集到的機(jī)械設(shè)備振動(dòng)信號(hào)進(jìn)行數(shù)據(jù)處理； S104、采用深度神經(jīng)網(wǎng)絡(luò)分類(lèi)器對(duì)步驟S103處理后的數(shù)據(jù)進(jìn)行分類(lèi)訓(xùn)練，獲得 故障診斷結(jié)果；所述服務(wù)器還用于存儲(chǔ)故障診斷結(jié)果，并將所述故障診斷結(jié)果 發(fā)送給上位機(jī)。

特別地，所述步驟S102包括：通過(guò)基于Adam算法的深度神經(jīng)網(wǎng)絡(luò)即屬性 擴(kuò)充神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)故障屬性擴(kuò)充。