[發明專利]轉動機器振動特征的智能識別方法

在審

• 申請號: 202010000422.4
• 申請日: 2020-01-02
• 公開（公告）號: CN113065382A
• 公開（公告）日: 2021-07-02
• 發明（設計）人: 李海洋;劉林輝
• 申請（專利權）人: 斯凱孚公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06N20/00
• 代理公司: 北京智沃律師事務所 11620
• 代理人: 吳志宏

1.一種利用機器學習智能算法對轉動機器和/或轉動部件的振動特征進行診斷和識別的方法，包含以下步驟：

步驟1、將收集到的轉動機器和/或轉動部件的振動時域信號樣本轉化為聲譜圖數據樣本；

步驟2、根據已有結論對所述樣本進行標記分類，形成用于訓練機器學習智能算法的訓練樣本集；

步驟3、針對訓練樣本中的聲譜圖數據樣本進行特征重構，以獲得包含增量數據樣本在內的擴充訓練樣本集；

步驟4、以擴充訓練樣本集中所包含的聲譜數據樣本對機器學習智能算法進行識別和/或分類的訓練；

步驟5、以經過訓練的機器學習智能算法對新收集的振動時域信號樣本所轉化成的聲譜圖數據樣本進行識別和/或分類；

其特征在于：

所述特征重構是指對聲譜圖數據樣本執行以時序離散重組為特征的拆合法，先將聲譜圖數據樣本在時序上拆解為若干個子聲譜，然后再將所得的子聲譜以不同于原始時序的其他順序另行組合。

2.如權利要求1所述的方法，其特征在于：所述子聲譜的數量可以固定，也可以隨機；時長可以固定，也可以隨機。

3.如權利要求2所述的方法，其特征在于：所述子聲譜的數量介于2至10個之間。

4.如權利要求3所述的方法，其特征在于：所述拆合法可以迭代執行，次數介于2至10次之間。

5.如權利要求4所述的方法，其特征在于：所述子聲譜的數量為2個，拆合法的迭代次數不超過5次。

6.如權利要求1至5中任意一項所述的方法，其特征在于：所述拆合法僅針對聲譜圖中特定的頻段帶進行。

7.如權利要求6所述的方法，其特征在于：所述拆合法針對由特定頻段帶疊置形成的疊置聲譜圖進行。

8.如權利要求7所述的方法，其特征在于：所述疊置聲譜圖是由特定頻段帶執行完拆合法之后疊置而成。

9.如權利要求1至5中任意一項所述的方法，其特征在于：所述機器學習智能算法為卷積神經網絡或者深度學習神經網絡。

10.如權利要求9所述的方法，其特征在于，所述轉動機器和/或轉動部件為電機、軸承或者兩者的組合體，所述振動特征為通過感知或者測量能夠獲取的故障和/或噪音特征。