[發明專利]一種基于深度置信網絡的工業設備故障診斷方法及系統

在審

• 申請號: 202011160582.1
• 申請日: 2020-10-27
• 公開（公告）號: CN112287592A
• 公開（公告）日: 2021-01-29
• 發明（設計）人: 柴森春;王統銘;王昭洋;姚分喜;張百海;崔靈果;李慧芳
• 申請（專利權）人: 北京理工大學
• 主分類號: G06F30/25
• 分類號: G06F30/25;G06F30/27;G01M13/00;G06F111/06;G06F119/02
• 代理公司: 北京高沃律師事務所 11569
• 代理人: 張夢澤

1.一種基于深度置信網絡的工業設備故障診斷方法，其特征在于，包括：

構建深度置信網絡；

采用混沌模擬退火粒子群算法優化所述深度置信網絡的超參數，得到優化的深度置信網絡；

采用訓練數據訓練所述優化的深度置信網絡，得到故障診斷模型；所述訓練數據為工業設備的機械振動信號數據集；

獲取工業設備的機械振動信號；所述機械振動信號由多個傳感器采集；

采用自適應加權融合算法對所述機械振動信號進行數據融合，得到融合振動信號；

將所述融合振動信號輸入所述故障診斷模型，輸出所述工業設備的故障診斷結果。

2.根據權利要求1所述的基于深度置信網絡的工業設備故障診斷方法，其特征在于，所述采用混沌模擬退火粒子群算法優化所述深度置信網絡的超參數，得到優化的深度置信網絡，具體包括：

生成給定數量的粒子群；所述粒子群中每個粒子都表示深度置信網絡的一組待優化超參數；

對于每一次迭代，計算每個粒子的適應度；

根據每個粒子的適應度更新每個粒子的歷史極值以及當前迭代的群體極值；粒子的歷史極值為當前粒子的歷史適應度的最優值；當前迭代的群體極值為所有粒子的歷史極值中的最優值；

判斷是否滿足迭代停止條件；所述迭代停止條件為當前迭代的群體極值小于設定閾值或當前迭代次數達到最大迭代次數；

當滿足迭代停止條件時，迭代停止，將當前迭代的群體極值對應的粒子確定為所述深度置信網絡的超參數，得到優化的深度置信網絡；

當不滿足迭代停止條件時，根據當前迭代的每個粒子的歷史極值以及群體極值，計算每個粒子更新后的位置和速度；

根據每個粒子更新后的位置和速度計算每個粒子更新后的適應度；

基于前一次迭代得到的退火溫度，根據每個粒子更新后的適應度，采用模擬退火算法判定每個粒子是否需要更新；

根據所述模擬退火算法的判定結果，對粒子群中每個需要更新的粒子按照計算得到的更新后的位置和速度進行更新，得到更新后的粒子群；

根據當前迭代的每個粒子的適應度計算當前迭代的退火溫度；

迭代次數加1，基于更新后的粒子群，返回計算每個粒子的適應度的步驟，進入下一次迭代。

3.根據權利要求2所述的基于深度置信網絡的工業設備故障診斷方法，其特征在于，所述當不滿足迭代停止條件時，根據當前迭代的每個粒子的歷史極值以及群體極值，計算每個粒子更新后的位置和速度，具體包括：

利用公式v_i+1＝ω(t)×v_i+c₁×r₁×(pbest_i-x_i)+c₂×r₂×(gbest(t)-x_i)計算每個粒子更新后的速度；式中，v_i+1為第i個粒子更新后的速度；v_i為第i個粒子更新前的速度；ω(t)為當前迭代的慣性因子，ω_max為歷史慣性因子的最大值，ω_min為歷史慣性因子的最小值，t為當前迭代次數，t_max為最大迭代次數；c₁和c₂為學習因子；r₁和r₂為0～1之間的隨機數；pbest_i為當前迭代第i個粒子的歷史極值；gbest(t)為當前迭代的群體極值；

利用公式x_i+1＝x_i+v_i+1計算每個粒子更新后的位置；式中，x_i+1為第i個粒子更新后的位置；x_i為第i個粒子更新前的位置。