[發(fā)明專利]針對(duì)樣本不均衡的增強(qiáng)擴(kuò)展深度置信網(wǎng)絡(luò)的軋機(jī)故障診斷方法

有效

• 申請(qǐng)?zhí)枺?/td>: 202110356774.8
• 申請(qǐng)日: 2021-04-01
• 公開（公告）號(hào): CN113111752B
• 公開（公告）日: 2022-07-08
• 發(fā)明（設(shè)計(jì)）人: 時(shí)培明;于越;韓東穎;華長(zhǎng)春
• 申請(qǐng)（專利權(quán)）人: 燕山大學(xué)
• 主分類號(hào): G06K9/00
• 分類號(hào): G06K9/00;G06K9/62;G06N3/04;G06N3/08;G06F17/14
• 代理公司: 北京孚睿灣知識(shí)產(chǎn)權(quán)代理事務(wù)所(普通合伙) 11474
• 代理人: 劉翠芹

本發(fā)明涉及一種針對(duì)樣本不均衡的軋機(jī)故障診斷方法，該方法搭建于軋機(jī)的領(lǐng)域，利用振動(dòng)信號(hào)數(shù)據(jù)和增強(qiáng)擴(kuò)展深度置信網(wǎng)絡(luò)進(jìn)行軋機(jī)的故障診斷；軋機(jī)設(shè)備診斷系統(tǒng)在獲取各種故障狀態(tài)下的振動(dòng)信號(hào)數(shù)據(jù)后，然后在PC端利用快速傅里葉變換(FFT)能夠?qū)崿F(xiàn)信號(hào)時(shí)域到頻域的快速變換，從而實(shí)現(xiàn)振動(dòng)信號(hào)特征的提取，然后在利用提取的所有類別的故障振動(dòng)信號(hào)訓(xùn)練一個(gè)增強(qiáng)擴(kuò)展深度置信網(wǎng)絡(luò)，用于后續(xù)軋機(jī)的故障診斷。該方法在每一個(gè)RBM的可見層單元增加了上一個(gè)RBM的可見層單元，構(gòu)成了RSRBM；由RSRBM組成的RSDBN可以對(duì)遺漏的有用信息提取，在一定的程度上可以減少樣本不均衡帶來(lái)的診斷率過低的問題，實(shí)現(xiàn)高診斷率并且可以加快診斷速度。

技術(shù)領(lǐng)域

本發(fā)明涉及軋機(jī)的故障診斷技術(shù)領(lǐng)域，具體涉及一種針對(duì)樣本不均衡的增強(qiáng)擴(kuò)展深度置信網(wǎng)絡(luò)的故障診斷方法。

背景技術(shù)

隨著我國(guó)制造業(yè)的快速發(fā)展，對(duì)鋼鐵的需求量持續(xù)增加，軋機(jī)的健康狀況也因此受到廣泛關(guān)注。其中軋機(jī)作為冶鐵業(yè)的重要設(shè)備之一，由于其結(jié)構(gòu)復(fù)雜，工作環(huán)境惡劣等原因，其(齒輪箱和軋輥軸承)很容易出現(xiàn)故障，嚴(yán)重時(shí)造成軋機(jī)停機(jī)，增加企業(yè)生產(chǎn)成本，造成巨大的經(jīng)濟(jì)損失。因此，及時(shí)地對(duì)軋機(jī)(齒輪箱和軋輥軸承)的工作狀態(tài)進(jìn)行檢測(cè)，研究解決軋機(jī)的診斷技術(shù)和方法，確保軋機(jī)正常工作是非常具有實(shí)際意義的。

隨著科學(xué)技術(shù)的進(jìn)步與發(fā)展，軋機(jī)朝著高速化、自動(dòng)化及智能化的方向發(fā)展，但也會(huì)使軋機(jī)出現(xiàn)許多故障。因此，傳統(tǒng)的故障診斷技術(shù)已經(jīng)難以滿足現(xiàn)代生產(chǎn)發(fā)展的需要，機(jī)器學(xué)習(xí)在故障診斷領(lǐng)域的應(yīng)用愈加廣泛，基本達(dá)到商業(yè)化的要求。作為機(jī)器學(xué)習(xí)的分支，深度學(xué)習(xí)解決了機(jī)器學(xué)習(xí)需要手動(dòng)提取特征、耗時(shí)等缺點(diǎn)，而且隨著對(duì)這些診斷方法的深入研究和不斷完善，最后的診斷效果也愈加趨于理想。因此，對(duì)故障診斷方法進(jìn)行多方面、深層次的研究和改進(jìn)是十分有必要的。

作為深度學(xué)習(xí)模型中的一種。DBN(深度置信網(wǎng)絡(luò))在故障診斷方面應(yīng)用廣泛，它具有強(qiáng)大的數(shù)據(jù)提取和近似連續(xù)函數(shù)的能力，因此能夠?qū)Χ嘧兞糠蔷€性網(wǎng)絡(luò)進(jìn)行建模和監(jiān)控。其次，DBN是一種非參數(shù)數(shù)據(jù)驅(qū)動(dòng)模型，可以很好地對(duì)軋機(jī)(齒輪箱和軋輥軸承)的故障進(jìn)行診斷。

訓(xùn)練DBN網(wǎng)絡(luò)需要大量的訓(xùn)練數(shù)據(jù)，但是在實(shí)際生產(chǎn)中，軋機(jī)長(zhǎng)期處于正常狀態(tài)且有關(guān)軋機(jī)(齒輪箱和軋輥軸承)不同類型故障的數(shù)據(jù)也不太容易獲得，這使得軋機(jī)容易受到損害，并使數(shù)據(jù)采集過程耗時(shí)耗力。樣本的不均衡同樣也會(huì)使DBN模型產(chǎn)生過擬合，反而使診斷效果不佳。

發(fā)明內(nèi)容

針對(duì)現(xiàn)有技術(shù)的不足，本發(fā)明提供了一種針對(duì)樣本不均衡的增強(qiáng)擴(kuò)展深度置信網(wǎng)絡(luò)的軋機(jī)故障診斷方法，高效準(zhǔn)確的判斷出軋機(jī)齒輪箱和軋輥軸承運(yùn)行過程中的故障類型，并取得理想的診斷識(shí)別效果。該方法在每一個(gè)RBM(限制玻爾茲曼向量機(jī))的可見層單元增加了上一個(gè)RBM的可見層單元，構(gòu)成了RSRBM(增強(qiáng)擴(kuò)展玻爾茲曼向量機(jī))；由RSRBM組成的RSDBN(增強(qiáng)擴(kuò)展深度置信網(wǎng)絡(luò))可以對(duì)遺漏的有用信息提取，在一定的程度上可以減少樣本不均衡帶來(lái)的診斷率過低的問題，實(shí)現(xiàn)高診斷率并且可以加快診斷速度。

具體地，本發(fā)明提供一種增強(qiáng)擴(kuò)展深度置信網(wǎng)絡(luò)的軋機(jī)故障診斷方法，其包括如下步驟：

S1、采集軋機(jī)的齒輪箱和軋輥軸承的故障振動(dòng)信號(hào)：

通過軋機(jī)設(shè)備診斷系統(tǒng)獲取軋機(jī)各種故障狀態(tài)下的齒輪箱和軋輥軸承的故障振動(dòng)信號(hào)；

S2、對(duì)采集的故障振動(dòng)信號(hào)進(jìn)行快速傅里葉變換：

利用快速傅里葉變換實(shí)現(xiàn)故障振動(dòng)信號(hào)從時(shí)域到頻域的快速變換，以進(jìn)行后續(xù)的故障振動(dòng)信號(hào)特征的提取；

S3、利用頻譜圖中的傅里葉系數(shù)作為輸入，相應(yīng)的齒輪箱和軋輥軸承的故障診斷信號(hào)作為輸出，進(jìn)行增強(qiáng)擴(kuò)展深度置信網(wǎng)絡(luò)的訓(xùn)練，得到神經(jīng)網(wǎng)絡(luò)故障診斷模型；

其中增強(qiáng)擴(kuò)展深度置信網(wǎng)絡(luò)的訓(xùn)練具體包括以下子步驟：