[發(fā)明專利]一種機(jī)械設(shè)備深度學(xué)習(xí)狀態(tài)識(shí)別與診斷方法

在審

• 申請?zhí)枺?/td>: 202010423267.7
• 申請日: 2020-05-19
• 公開（公告）號(hào): CN111562109A
• 公開（公告）日: 2020-08-21
• 發(fā)明（設(shè)計(jì)）人: 張焱;韋航;黃慶卿;鄧欽元;馮喬琦
• 申請（專利權(quán)）人: 重慶郵電大學(xué)
• 主分類號(hào): G01M13/045
• 分類號(hào): G01M13/045;G06N20/00
• 代理公司: 北京同恒源知識(shí)產(chǎn)權(quán)代理有限公司 11275
• 代理人: 楊柳岸

1.一種機(jī)械設(shè)備深度學(xué)習(xí)狀態(tài)識(shí)別與診斷方法，其特征在于：該方法包括以下步驟：

S1：監(jiān)測機(jī)械設(shè)備運(yùn)行過程中的工況信息，利用加速度傳感器獲取設(shè)備振動(dòng)信號(hào)數(shù)據(jù)，傳感器數(shù)據(jù)為x軸、y軸以及z軸方向中一個(gè)或多個(gè)方向振動(dòng)信號(hào)，以實(shí)現(xiàn)機(jī)械設(shè)備在線狀態(tài)識(shí)別與診斷為目標(biāo)；

S2：構(gòu)建深度非負(fù)自編碼網(wǎng)絡(luò)，設(shè)定深度非負(fù)自編碼網(wǎng)絡(luò)網(wǎng)絡(luò)結(jié)構(gòu)和初始參數(shù)；

S3：將步驟S1所得振動(dòng)信號(hào)劃分訓(xùn)練樣本和測試樣本兩類；

S4：對步驟S3所得到的訓(xùn)練樣本和測試樣本振動(dòng)信號(hào)進(jìn)行時(shí)頻變換，獲取信號(hào)時(shí)頻幅值譜；

S5：將步驟S4所得到的訓(xùn)練樣本時(shí)頻幅值譜作為步驟S1所得到的深度非負(fù)自編碼網(wǎng)絡(luò)的輸入，采用無監(jiān)督逐層預(yù)訓(xùn)練方法對深度非負(fù)自編碼網(wǎng)絡(luò)中各層自編碼器進(jìn)行預(yù)訓(xùn)練；

S6：對步驟S5所得到的預(yù)訓(xùn)練深度非負(fù)自編碼網(wǎng)絡(luò)進(jìn)行有監(jiān)督微調(diào)，得到優(yōu)化深度非負(fù)自編碼網(wǎng)絡(luò)；

S7：根據(jù)步驟S6所得到的深度非負(fù)自編碼網(wǎng)絡(luò)得到機(jī)械設(shè)備狀態(tài)識(shí)別與診斷結(jié)果。

2.根據(jù)權(quán)利要求1所述的一種機(jī)械設(shè)備深度學(xué)習(xí)狀態(tài)識(shí)別與診斷方法，其特征在于：在所述步驟S2具體為：

S21：步驟S2中采用逐層堆棧的方法對自編碼器和分類器進(jìn)行前后連接構(gòu)建深度非負(fù)自編碼網(wǎng)絡(luò)，第l層自編碼器的隱藏層輸出作為第l+1層自編碼器的輸入，表示為

其中：h^(l)表示第l層自編碼器的隱藏層輸出，x^(l)和x^(l+1)分別為第l和l+1層編碼器的輸入，為第l層自編碼器參數(shù)；

S22：在最后一個(gè)自動(dòng)編碼器的隱藏層輸出，添加一個(gè)Softmax分類層構(gòu)成具備分類能力的深度非負(fù)自編碼網(wǎng)絡(luò)。

3.根據(jù)權(quán)利要求1所述的一種機(jī)械設(shè)備深度學(xué)習(xí)狀態(tài)識(shí)別與診斷方法，其特征在于：所述步驟S4中，采用短時(shí)傅里葉變換方法對傳感器采集的振動(dòng)信號(hào)進(jìn)行時(shí)頻分析得到時(shí)頻幅值譜；短時(shí)傅里葉變換STFT定義為：

式中，γ(t)為一個(gè)寬度很短的窗函數(shù)。

4.根據(jù)權(quán)利要求1所述的一種機(jī)械設(shè)備深度學(xué)習(xí)狀態(tài)識(shí)別與診斷方法，其特征在于：所述步驟S5中，關(guān)于利用訓(xùn)練樣本時(shí)頻幅值譜對深度非負(fù)自編碼網(wǎng)絡(luò)中各層自編碼器進(jìn)行預(yù)訓(xùn)練，預(yù)訓(xùn)練步驟如下：

S51：時(shí)頻幅值譜歸一化處理為列向量，幅值范圍[0,1]；

S52：對深度非負(fù)自編碼網(wǎng)絡(luò)中各層自編碼器采用無監(jiān)督方式進(jìn)行逐層預(yù)訓(xùn)練，并對各層自編碼器參數(shù)添加非負(fù)約束和稀疏約束，構(gòu)造如下預(yù)訓(xùn)練階段代價(jià)函數(shù)：

其中：J_E(W,b)為重構(gòu)誤差項(xiàng)，為稀疏約束項(xiàng)，β為平衡稀疏約束項(xiàng)的系數(shù)，為權(quán)重約束項(xiàng)，α為平衡權(quán)重約束項(xiàng)的系數(shù)，為第l層第j個(gè)神經(jīng)元與第l+1層第i個(gè)神經(jīng)元之間的權(quán)重參數(shù)；

S53：構(gòu)造基于平方誤差的重構(gòu)誤差

其中，S_f和S_g分別為自編碼器中編碼器和解碼器的激活函數(shù)，m為樣本數(shù)目，x_r為輸入數(shù)據(jù)；

S54：采用基于Kullback-Leibler，即KL，散度函數(shù)施加稀疏約束實(shí)現(xiàn)模型稀疏化，定義為

式中，為隱藏神經(jīng)元平均激活度向量，當(dāng)且僅當(dāng)時(shí)，

S55：構(gòu)造如下非負(fù)約束限制項(xiàng)

S56：采用梯度下降算法以迭代方式更新和優(yōu)化自編碼器參數(shù)W和b，和公式如下：

其中，為第l+1層第i個(gè)單元的偏置項(xiàng)，η＞0為學(xué)習(xí)速率，其決定參數(shù)更新的速度。