[發明專利]核電水泵導軸承故障檢測方法、系統、設備及可讀存儲介質

有效

• 申請號: 202110474137.0
• 申請日: 2021-04-29
• 公開（公告）號: CN113256443B
• 公開（公告）日: 2023-06-20
• 發明（設計）人: 成瑋;劉雪;張樂;陳雪峰;劉一龍;王松;邢繼;堵樹宏;孫濤;徐釗;張榮勇;黃倩
• 申請（專利權）人: 西安交通大學
• 主分類號: G06Q50/06
• 分類號: G06Q50/06;G06F18/2415;G06N3/0464;G06N3/08
• 代理公司: 西安通大專利代理有限責任公司 61200
• 代理人: 朱海臨

1.一種核電水泵導軸承故障檢測方法，其特征在于，包括以下步驟：

S1，分別采集導軸承正常狀態下和故障狀態下的振動加速度原始信號，通過基于經驗模式分解的閾值濾波方法對獲取的振動加速度原始信號進行降噪，然后對降噪后的振動加速度原始信號進行預處理；

基于經驗模式分解的閾值濾波方法具體為：

首先，對振動加速度原始信號進行EMD分解，可得：

其中，s為振動加速度原始信號，為第i個基本模式分量，x_k為第i個基本模式偽分量，n、m為整數；

分解出的各基本模式分量與原信號的互相關系數指標為：

式中，為各基本模式分量與振動加速度原始信號的互相關；R_s(τ)為振動加速度原始信號的自相關；

S2，構建含有梯度懲罰項的雙向生成對抗網絡模型，采用預處理后的振動加速度原始信號中故障狀態下的振動加速度原始信號生成的故障樣本交替訓練雙向生成對抗網絡模型，采用單樣本離差標準化方法以穩定訓練過程，構建相似度指標篩選BiGAN生成故障樣本；

雙向生成對抗網絡模型包括生成器G、判別器D和編碼器E，編碼器E用于提取振動加速度原始信號x_real中的隱變量z，即z＝E(x_real)，生成器G通過從隨機噪聲向量o中采樣，并生成真實的生成故障樣本x_generated＝G(o)；判別器D將真實故障樣本及其潛變量(z,x_real)和生成故障樣本x_generate及噪聲(x_generate,o)同時作為網絡的輸入，進行二分類問題的訓練；編碼器E和生成器G聯合在一起試圖迷惑判別器，當判別器無法判斷(z,x_real)，(x_generate,o)來源時，說明(z,x_real)，(x_generate,o)聯合數據分布相似，當訓練達到最優解時，可得G＝E^-1，進而保證生成樣本x_generate和真實樣本x_real數據分布相似；

生成對抗網絡模型采用Wasserstein-1距離和梯度懲罰方法以穩定訓練過程，Wasserstein-1距離計算式定義為：

式中，A₁是真實數據分布，A₂是生成數據分布，Π(A₁,A₂)是A₁和A₂分布組合起來的所有聯合分布的集合，γ是其中的一個聯合分布，(x,y)是γ中的一對樣本，E(x,y)～γ[||x-y||]為該樣本距離的期望值；

應用Wasserstein-1距離及Kantorovich-Rubinstein對偶原理，模型訓練過程可表示為：

其中，Ω是1-Lipschitz函數的集合，D為判別器，G為生成器，E為編碼器，表示來自于真實數據分布的期望值，表示來自于噪聲數據分布的期望值；

Lipschitz約束D∈Ω通過限制判別器輸出相對于其輸入的梯度范數來實施，所述雙向生成對抗網絡模型損失函數可以表示為：

其中，在從(x_real,z)和(x_generate,o)采樣的成對點連線上，為其對應數據分布，λ＝10，為梯度懲罰項；

相似度指標C_in，其計算式為：

C_in＝diag{FC,FSD}

其中，FC為重心頻率，FV頻率方差，FSD為頻率標準差；其計算式分別為：

其中，A(f_t)為幅值，f_t為頻率；

計算真實樣本與生成樣本指標歐氏距離若計算結果與相差較小，可認為生成故障樣本與真實故障樣本具有高度相關性，生成故障樣本可作為真實故障樣本的補充數據；

S3，構建導軸承卷積神經網絡的故障檢測模型，利用預處理后的振動加速度原始信號生成的訓練集和步驟s2得到的生成故障樣本作為故障檢測模型的訓練集對故障檢測模型進行訓練，利用訓練完成的故障檢測模型對監測輸入數據進行檢測檢測，實現核電水泵導軸承故障檢測。