[發明專利]一種基于小波神經網絡的異常能耗定位方法

在審

• 申請號: 202010796860.6
• 申請日: 2020-08-10
• 公開（公告）號: CN112085062A
• 公開（公告）日: 2020-12-15
• 發明（設計）人: 楊海東;印四華;徐康康;朱成就;胡羅克
• 申請（專利權）人: 廣東工業大學
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N3/04;G06N3/08;G01M13/021
• 代理公司: 廣州粵高專利商標代理有限公司 44102
• 代理人: 張金福

本發明提供一種基于小波神經網絡的異常能耗定位方法，包括以下步驟：S1：采集異常能耗數據；S2：對異常能耗數據進行小波包分解與重構，并提取其能量特征值，得到訓練樣本；S3：構建小波神經網絡模型；S4：將訓練樣本輸入小波神經網絡模型，并結合遺傳算法對小波神經網絡模型進行優化訓練，得到最優小波神經網絡模型；通過最優小波神經網絡模型進行異常能耗定位診斷，得到診斷結果，從而實現精確定位造成異常能耗的機器部件。本發明提供一種基于小波神經網絡的異常能耗定位方法，提高了異常能耗定位的精確度和穩定性，解決了目前由于異常能耗定位技術的精確度不夠高，導致難以精確定位造成異常能耗的機器部件的問題。

技術領域

本發明涉及設備檢測技術領域，更具體的，涉及一種基于小波神經網絡的異常能耗定位方法。

背景技術

液壓機是一種通用制造設備，廣泛應用于機械制造領域中的各種成型工藝。它具有精度高、剛度高、負載能力大等優點。然而，它也存在能耗高、能量轉換效率低的缺點。中國金屬成形液壓機的數量約為200萬臺，它們每年消耗的電能超過2800億kWh，這相當于3.3億噸碳排放量。液壓機的生產條件復雜，并且它們長時間滿負荷運行。因此，異常能耗的概率很高，當機器能耗異常時，會導致大量的能量損失，降低機械能效，甚至造成停機和不可估量的安全事故，從而影響整條生產線的正常生產過程。但是目前由于異常能耗定位技術的精確度不夠高，導致難以精確定位造成異常能耗的機器部件。

現有技術中，如2019年5月3日公開的中國專利，基于小波模糊識別和圖像分析理論的機械故障分析方法，公開號為CN109708877A，采用小波模糊識別快速地對旋轉機械故障進行診斷，并利用圖像分析理論判斷機械故障的具體位置，但并沒有結合神經網絡進行判斷，檢測精確度不夠高。

發明內容

本發明為克服目前由于異常能耗定位技術的精確度不夠高，導致難以精確定位造成異常能耗的機器部件的技術缺陷，提供一種基于小波神經網絡的異常能耗定位方法。

為解決上述技術問題，本發明的技術方案如下：

一種基于小波神經網絡的異常能耗定位方法，包括以下步驟：

S1：采集異常能耗數據；

S2：對異常能耗數據進行小波包分解與重構，并提取其能量特征值，得到訓練樣本；

S3：構建小波神經網絡模型；

S4：將訓練樣本輸入小波神經網絡模型，并結合遺傳算法對小波神經網絡模型進行優化訓練，得到最優小波神經網絡模型；通過最優小波神經網絡模型進行異常能耗定位診斷，得到診斷結果，從而實現精確定位造成異常能耗的機器部件。

優選的，步驟S2具體包括以下步驟：

S2.1：對異常能耗數據進行小波包多尺度分解處理，得到分解數據；

S2.2：采用小波包系數重構算法對分解數據進行重構，得到重構數據；

S2.3：計算重構數據的能量值，從而提取得到能量特征值；

S2.4：對能量特征值進行降維處理，得到降維的能量特征值；

S2.5：對降維的能量特征值進行歸一化處理，得到訓練樣本。

優選的，在步驟S2.2中，重構數據的數據長度與異常能耗數據分解前的數據長度一致。

優選的，在步驟S2.4中，采用主成分分析降維技術對能量特征值進行降維處理；具體為：

假定能量特征值的初始向量X包含n個樣本和m個特征，即

X＝(x₁,x₂,...,x_n)^T；