[發明專利]基于多信號融合及Adam優化算法的岸橋故障監測方法

在審

• 申請號: 202010735618.8
• 申請日: 2020-07-28
• 公開（公告）號: CN111860839A
• 公開（公告）日: 2020-10-30
• 發明（設計）人: 唐剛;常超;邵長專;胡雄
• 申請（專利權）人: 上海海事大學
• 主分類號: G06N3/08
• 分類號: G06N3/08;G06N3/04;G01D21/02
• 代理公司: 暫無信息
• 代理人: 暫無信息

本發明提供一種信號處理的方法，融合岸橋常見信號以便獲取更多的融合特征參數，從而更有效的利用振動、溫度、應力等信息，對岸橋狀態進行更精確的故障診斷及監測。利用Adam算法優化神經網絡，為更準確快速的監測岸橋狀態提供方便。該方法包括步驟1、采集數據；步驟2、數據預處理，確定輸入輸出；步驟3、構建神經網絡模型；步驟4、訓練集利用Adam算法訓練神經網絡，獲得岸橋狀態預測模型；步驟5、利用測試集檢驗岸橋狀態預測模型；步驟6、輸出預測結果，并將預測結果呈現在人機交互界面中。本發明采用多個信號進行融合預測，增加了某一個信號的容錯性，提高了岸橋運行狀態監測的準確性。

技術領域

本發明涉及一種基于多信號融合及Adam優化算法的岸橋故障監測方法，屬于岸橋狀態預測技術。

背景技術

對岸橋的故障診斷一直是技術難點，岸橋的穩定對港口運輸、貿易安全的運行有著重要意義。隨著大數據理論的發展，挖掘岸橋監測過程中產生的大量信息，運用人工智能技術進行信號融合、處理及診斷成為岸橋狀態預測及故障診斷的新方向。現有技術主要集中在獨立監測振動和應力信號上，缺少對溫度、振動，應力等信號的融合診斷。

BP神經網絡有較強的非線性擬合能力，傳統的BP神經網絡收斂速度慢，超參數選擇困難，不能很好的進行實時監測及診斷，同時，直接使用所有的監測量進行建模時，過多的監測量會造成模型過于復雜，使得模型運算量過大而導致難以訓練，容易出現過擬合現象。

發明內容

針對岸橋運行狀態監測及診斷，本發明提供一種信號處理的方法，融合岸橋常見信號如振動信號、溫度信號和應力信號等，以便獲取更多的特征參數，更有效的利用振動溫度應力等信息，從而為更準確的監測岸橋狀態提供更多信息。

該方法提供了一種基于多信號融合及Adam優化算法的岸橋故障監測方法，步驟如下：

步驟1、采集數據；

獲取一段時間岸橋機械結構的振動、溫度、和應力等信號，所述振動、溫度和應力等信號在時間上同步；

步驟2、數據預處理，確定輸入輸出；

對采集到的信號進行預處理，如利用3δ探測法去除信號的奇異點、數據歸一化處理等，將需要預測的信號作為輸出信號，利用灰色關聯分析法分析輸出信號與其他信號的相關性，根據需要選取相關性大的信號作為輸入信號，并將輸入信號樣本分為訓練集和測試集；

步驟3、構建神經網絡模型；

根據輸入信號的維度，即按需選取的輸入信號種類，確定訓練參數，包括隱藏層節點數，最大迭代次數，初始學習率等，利用Xavier初始化方法初始神經網絡權值和偏置；

步驟4、訓練集利用Adam算法訓練神經網絡，獲得岸橋狀態預測模型；

步驟5、利用測試集檢驗岸橋狀態預測模型；

用測試集的數據對BP神經網絡進行測試，檢驗網絡性能；

步驟6、輸出預測結果，并將預測結果呈現在人機交互界面中。

與現有技術相比，本發明有以下技術效果：

1、本發明對相關性強的數據進行了歸一化處理，使不同物理意義的信號可以相互比較；

2、通過融合多種信號預測岸橋狀態，大大提高了預測岸橋狀態的準確性，為岸橋的安全可靠運行提供了保障；

3、基于Adam算法優化神經網絡，具有較高的預測精度，可以可靠的預測岸橋的監測信號趨勢，對岸橋的安全運行有著重要意義。

附圖說明

本發明的附圖說明如下：

圖1為本發明的流程圖；