[發明專利]一種軟故障識別模型訓練和軟故障識別方法、裝置

有效

• 申請號: 202110378856.2
• 申請日: 2021-04-08
• 公開（公告）號: CN113033457B
• 公開（公告）日: 2022-11-04
• 發明（設計）人: 于振明;孫凱旋;舒亮;徐坤
• 申請（專利權）人: 北京郵電大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;H04L41/14;G06N3/04
• 代理公司: 北京柏杉松知識產權代理事務所(普通合伙) 11413
• 代理人: 丁蕓;趙元

1.一種軟故障識別模型訓練方法，其特征在于，所述方法包括：

獲取多個正常樣本信號的數字譜、以及多個帶標簽的軟故障樣本信號的數字譜；

基于各正常樣本信號的數字譜，計算得到所述各正常樣本信號的殘差譜；

基于所述各正常樣本信號的殘差譜，訓練自動編碼器；

基于所述各正常樣本信號的數字譜及各軟故障樣本信號的數字譜，計算得到各軟故障樣本信號的殘差譜；

基于所述各軟故障樣本信號的殘差譜、所述各軟故障樣本信號的標簽、以及完成訓練的所述自動編碼器，訓練支持向量機；

確定由完成訓練的所述自動編碼器和完成訓練的所述支持向量機組成的軟故障識別模型；

其中，所述基于所述各正常樣本信號的殘差譜，訓練自動編碼器的步驟，包括：

初始化預設的第一網絡模型，所述第一網絡模型中包括編碼器和解碼器；

將正常樣本信號的殘差譜輸入所述編碼器，得到該正常樣本信號的殘差譜特征；

將該正常樣本信號的殘差譜特征輸入所述解碼器，得到根據該正常樣本信號的殘差譜特征重構的第一殘差譜；

根據該第一殘差譜與該正常樣本信號的殘差譜，利用預設的損失函數計算得到損失函數值；

若未達到結束條件，則基于所述損失函數值調整所述第一網絡模型的參數，并返回執行所述將正常樣本信號的殘差譜輸入所述編碼器，得到該正常樣本信號的殘差譜特征的步驟，直至達到所述結束條件時，停止訓練，得到完成訓練的自動編碼器。

2.根據權利要求1所述的方法，其特征在于，所述獲取多個正常樣本信號的數字譜、以及多個帶標簽的軟故障樣本信號的數字譜的步驟，包括：

獲取多個正常樣本信號和多個帶標簽的軟故障樣本信號；

將各正常樣本信號和各軟故障樣本信號輸入相干接收機，經所述相干接收機對所述各正常樣本信號和所述各軟故障樣本信號進行頻域色散補償，得到所述各正常樣本信號的數字譜和各軟故障樣本信號的數字譜。

3.根據權利要求1所述的方法，其特征在于，所述基于各正常樣本信號的數字譜，計算得到所述各正常樣本信號的殘差譜的步驟，包括：

根據各正常樣本信號的數字譜，計算標準譜；

根據所述標準譜及所述各正常樣本信號的數字譜，計算所述各正常樣本信號的殘差譜；

所述基于所述各正常樣本信號的數字譜及各軟故障樣本信號的數字譜，計算得到各軟故障樣本信號的殘差譜的步驟，包括：

根據所述標準譜及所述各軟故障樣本信號的數字譜，計算所述各軟故障樣本信號的殘差譜。

4.根據權利要求3所述的方法，其特征在于，所述根據各正常樣本信號的數字譜，計算標準譜的步驟，包括：

計算各正常樣本的數字譜的平均值，作為標準譜。

5.根據權利要求1所述的方法，其特征在于，所述基于所述各軟故障樣本信號的殘差譜及所述各軟故障樣本信號的標簽、以及完成訓練的所述自動編碼器，訓練支持向量機的步驟，包括：

初始化預設的第二網絡模型；

將軟故障樣本信號的殘差譜輸入完成訓練的所述自動編碼器，得到該軟故障樣本信號的殘差譜特征；

將該軟故障樣本信號的殘差譜特征輸入所述第二網絡模型，得到該軟故障樣本信號的預測故障類型信息；

比較該軟故障樣本信號的預測故障類型信息與該軟故障樣本信號的標簽之間的差異；

若所述差異大于第二預設閾值，則基于所述差異調整所述第二網絡模型的參數，并返回執行所述將軟故障樣本信號的殘差譜輸入完成訓練的所述自動編碼器，得到該軟故障樣本信號的殘差譜特征的步驟，直至所述差異小于所述第二預設閾值或者達到第二指定迭代次數時，停止訓練，得到完成訓練的支持向量機。

6.一種軟故障識別方法，其特征在于，所述方法包括：

獲取標準譜及待識別信號的數字譜；

根據所述標準譜及所述待識別信號的數字譜，計算得到所述待識別信號的殘差譜；

將所述待識別信號的殘差譜輸入如權利要求1-5任一項所述的方法訓練得到的軟故障識別模型，得到所述待識別信號的軟故障識別結果。