[發明專利]基于數據可視化的復雜系統信號時序識別方法

有效

• 申請號: 201910590420.2
• 申請日: 2019-07-02
• 公開（公告）號: CN110320802B
• 公開（公告）日: 2020-07-03
• 發明（設計）人: 沈海闊;姜婕;王昊
• 申請（專利權）人: 北京交通大學
• 主分類號: G05B13/04
• 分類號: G05B13/04
• 代理公司: 北京市誠輝律師事務所 11430
• 代理人: 楊帥峰

本發明提供一種基于數據可視化的復雜系統信號時序熱證識別方法，包括：S1、構建卷積神經網絡模型作為時序特征識別模型；S2、對信號數據進行可視化處理形成時序圖像；S3、對所述時序圖像進行預處理；S4、利用所述時序特征識別模型對于預處理后的時序圖像進行時序特征識別，輸出結果。本發明的方法不需要了解復雜系統的運行及控制原理，設置監測點后對系統運行過程中的關鍵參數進行采集，按本發明提供的方法進行處理，以卷積神經網絡模型預測的形式實現對信號的時序特征識別，適用性強，結果準確。

技術領域

本申請涉及機械工程技術領域，特別是涉及復雜系統檢測故障或潛在故障的故障診斷。

背景技術

復雜系統在運行過程中，各系統會產生大量的數字量及模擬量信號，為便于操作人員掌握復雜系統各部分的運行狀態，做出正確操作及決策，需要在復雜系統關鍵位置設置數據監測點，數據采集設備將各系統數據進行采集匯總后通過無線傳輸將數據發送至操作計算機，操作計算機接收到數據后對其進行分析，進行數據處理以實現復雜系統運行狀態的監測及故障的診斷。

在進行故障診斷時往往需要考慮信號的時序特征是否正常。

目前常用的時序特征分析方式有以下兩種。

1)是對單信號進行簡單的邏輯判斷，但是此種方法不適用于復雜系統，只適用于時序規則簡單、易于描述的情況。

2)針對系統原理或控制系統特點等進行時序特征的算法研究，通過算法對時序特征進行識別，但是此類方法無法適用于所有時序特征。

因此，目前需要本領域技術人員迫切解決的一個技術問題就是：探索一種可以自主學習時序規則，且實適用性廣的時序特征識別方法。

發明內容

本發明的目的在于提供一種基于數據可視化的復雜系統信號時序特征識別方法，適用性強，不需要總結時序規律即可時序特征進行識別。

為實現上述目的，本發明提供了一種基于數據可視化的復雜系統信號時序特征識別方法，包括：

S1、構建卷積神經網絡模型作為時序特征識別模型；

S2、對信號數據進行可視化處理形成時序圖像；

S3、對所述時序圖像進行預處理；

S4、利用所述時序特征識別模型對于預處理后的時序圖像進行時序特征識別，輸出結果。

根據本發明的一個方面，在所述步驟S1中，包括：

S11、采集不同時序狀態下的信號數據，對信號數據基于時序進行可視化處理形成可視化圖像；

S12、根據采集時的時序狀態，對可視化圖像依次進行分類和預處理，將預處理后的圖像根據分類制作成數據集；

S13、創建卷積神經網絡模型和/或選擇現有的模型結構并設置預訓練參數；

S14、利用所述步驟S12中獲得的數據集對所述卷積神經網絡模型或現有模型結構進行訓練、測試及驗證后作為所述時序特征識別模型。

根據本發明的一個方面，在所述模型構建方法的第一步中步驟S11中，對于采集到的信號數據實用可視化工具將其以時間為橫坐標進行可視化處理，得到信號數據隨時序變化的可視化圖像。

根據本發明的一個方面，在所述步驟S12中，將預處理后的圖像按照正常類別和故障類分別制作成數據集。

根據本發明的一個方面，所述數據集包括訓練集、測試集和驗證集。

根據本發明的一個方面，在所述步驟S13中，創建Sample模型同時選擇現有的Inception-v3模型設置預約訓練參數；