[發明專利]一種基于長短時記憶法的電機故障檢測系統

在審

• 申請號: 202010422066.5
• 申請日: 2020-05-18
• 公開（公告）號: CN111476212A
• 公開（公告）日: 2020-07-31
• 發明（設計）人: 袁麗英;徐紫豪
• 申請（專利權）人: 哈爾濱理工大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G01H17/00;G06N3/04
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種基于長短時記憶法的電機故障檢測系統，其特征在于：它的檢測步驟如下：

步驟一：選用現有振動數據，測試臺由電機，扭矩傳感器/編碼器，測力計和控制電子設備組成；測試軸承支撐電機軸；使用加速度計收集振動數據，加速度計連接到具有磁性基座的殼體；故障診斷流程為：原始數據信號、LSTM神經網絡、Softmax多分類器、故障識別；

步驟二：歸一化振動信號，通過長短時記憶神經網絡來進行特征的提取；長短時記憶神經網絡主要是通過控制幾個相應的門來進一步了解信息存在的狀態，由于控制門的存在使得網絡能夠長時間的存儲網絡所傳遞的信息；

輸入門的作用是在忘記部分之前的狀態以后再從當前的輸入信息補充更新的記憶，如式(1.1)所示：

i(t)＝f_g(W_xi(t)x(t)+W_hi(t-1)h(t-1)+b_i) (1.1)

遺忘門控制信息從前一時間轉移的程度，并且忘記傳遞過程中沒有用的信息，新的記憶單元生成的狀態信息主要來源于兩個部分，第一，通過遺忘門的輸出結果與在上一個時刻狀態下記憶塊狀態c(t1)的乘積，這一部分的作用主要是決定要遺忘的信息，第二，通過輸入門的輸出結果i與tanh層兩者的乘積能夠生成一個新的候選數值信息，最后，把這兩部分的和用作新的記憶單元的新的狀態信息；輸出門的功能是決定是否通過當前記憶狀態輸出結果O_t，并將sigmoid的輸出乘以tanh層；最后，輸出網絡所需要的結果，如式(1.2)和式(1.3)所示：

O_t(t)＝f_g(W_xo(t)x(t)+W_ho(t-1)h(t-1)+b₀) (1.2)

h(t)＝O_t·tanh(c(t)) (1.3)

式中，f_g表示sigmoid激活函數；W_xi、W_xf、W_xo和W_xc表示輸入門到輸入門、遺忘門、輸出門和記憶單元的權重矩陣；W_hi、W_hf、W_ho和W_hc則表示隱層單分別元到輸入門、遺忘門、輸出門和記憶單元的權重矩陣；對長短時記憶神經網絡的層數進行設置，以此得到最優網絡結構同時確定學習率，迭代次數，神經元數量；

選用學習率自適應的Adam優化算法，Adam算法即自適應時刻估計方法，能計算每個參數的自適應學習率；

m_t為梯度的第一時刻平均值，v_t為梯度的第二時刻非中心方差值；

參數更新的最終公式為：

其中，β₁設為0.9，β₂設為0.9999，ε設為10-8；

步驟三：根據步驟二提取的深層特征，通過最后一層的Softmax多分類器對故障執行分類；

步驟四：將LSTM神經網絡和Softmax多分類器結合起來構建故障診斷模型：Softmax多分類器根據LSTM神經網絡提取的深度特征開始進行分類，通過Softmax多分類器計算在最后一層輸出的每個故障類型的概率值從而達到分類目的。