[發(fā)明專利]基于卷積神經(jīng)網(wǎng)絡(luò)的往復(fù)式壓縮機(jī)故障診斷方法及系統(tǒng)有效
| 申請?zhí)枺?/td> | 202110656504.9 | 申請日: | 2021-06-11 |
| 公開(公告)號: | CN113435453B | 公開(公告)日: | 2023-04-07 |
| 發(fā)明(設(shè)計)人: | 呂倩;余小玲;馬海輝;葉君超;吳偉烽;柯良軍 | 申請(專利權(quán))人: | 西安交通大學(xué) |
| 主分類號: | G06V10/20 | 分類號: | G06V10/20;G06V10/28;G06V10/82;G06N3/0464;G06N3/08 |
| 代理公司: | 西安通大專利代理有限責(zé)任公司 61200 | 代理人: | 李紅霖 |
| 地址: | 710049 *** | 國省代碼: | 陜西;61 |
| 權(quán)利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關(guān)鍵詞: | 基于 卷積 神經(jīng)網(wǎng)絡(luò) 往復(fù) 壓縮機(jī) 故障診斷 方法 系統(tǒng) | ||
1.基于卷積神經(jīng)網(wǎng)絡(luò)的往復(fù)式壓縮機(jī)故障診斷方法,其特征在于,包括如下過程:
對采集到的壓縮機(jī)氣缸內(nèi)動態(tài)壓力數(shù)據(jù)按照壓縮機(jī)每個循環(huán)的工作過程進(jìn)行預(yù)處理,得到壓縮機(jī)每個工作循環(huán)的p-V圖;
對壓縮機(jī)每個工作循環(huán)的p-V圖進(jìn)行處理,得到壓縮機(jī)每個工作循環(huán)的二值數(shù)字圖像;
將壓縮機(jī)每個工作循環(huán)的二值數(shù)字圖像輸入已訓(xùn)練好的卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行計算,得到卷積神經(jīng)網(wǎng)絡(luò)的輸出;
根據(jù)預(yù)設(shè)的卷積神經(jīng)網(wǎng)絡(luò)的輸出和壓縮機(jī)狀態(tài)之間的映射關(guān)系,得到壓縮機(jī)狀態(tài)類型;
壓縮機(jī)每個工作循環(huán)的p-V圖是一個包括膨脹過程線、進(jìn)氣過程線、壓縮過程線和排氣過程線的封閉圖形;
對壓縮機(jī)每個工作循環(huán)的p-V圖依次進(jìn)行圖像裁剪、灰度化和二值化,得到壓縮機(jī)每個工作循環(huán)的二值數(shù)字圖像;
所述圖像裁剪的過程包括:
將每個工作循環(huán)的p-V圖使用圖片裁剪方法進(jìn)行裁剪,剪裁至只保留壓縮機(jī)每個工作循環(huán)的p-V圖的曲線,得到壓縮機(jī)每個工作循環(huán)的裁剪后的p-V圖,其中,剪裁的內(nèi)容包括每個工作循環(huán)的p-V圖的坐標(biāo)軸、坐標(biāo)軸名稱、坐標(biāo)軸刻度和標(biāo)題。
2.根據(jù)權(quán)利要求1所述的基于卷積神經(jīng)網(wǎng)絡(luò)的往復(fù)式壓縮機(jī)故障診斷方法,其特征在于,對壓縮機(jī)每個工作循環(huán)的p-V圖經(jīng)過圖像裁剪的圖像進(jìn)行灰度化的過程包括:
將經(jīng)過圖像剪裁的壓縮機(jī)每個工作循環(huán)的p-V圖的紅、綠、藍(lán)三原色的顏色分量,通過灰度值的計算方法,轉(zhuǎn)化成一個灰度值,得到壓縮機(jī)每個工作循環(huán)的p-V圖的灰度圖。
3.根據(jù)權(quán)利要求1所述的基于卷積神經(jīng)網(wǎng)絡(luò)的往復(fù)式壓縮機(jī)故障診斷方法,其特征在于,將經(jīng)過灰度化的壓縮機(jī)每個工作循環(huán)的p-V圖進(jìn)行二值化的過程包括:
將經(jīng)過灰度化的壓縮機(jī)每個工作循環(huán)的p-V圖的灰度值轉(zhuǎn)化成非0即1的灰度值,得到壓縮機(jī)每個工作循環(huán)的二值數(shù)字圖像。
4.根據(jù)權(quán)利要求1所述的基于卷積神經(jīng)網(wǎng)絡(luò)的往復(fù)式壓縮機(jī)故障診斷方法,其特征在于,壓縮機(jī)狀態(tài)類型包括:正常、進(jìn)氣閥彈簧失效、進(jìn)氣閥裂紋、進(jìn)氣閥斷裂、排氣閥彈簧失效、排氣閥裂紋、排氣閥斷裂和活塞環(huán)磨損。
5.基于卷積神經(jīng)網(wǎng)絡(luò)的往復(fù)式壓縮機(jī)故障診斷系統(tǒng),其特征在于,包括:
預(yù)處理模塊:用于對采集到的壓縮機(jī)氣缸內(nèi)動態(tài)壓力數(shù)據(jù)按照壓縮機(jī)每個循環(huán)的工作過程進(jìn)行預(yù)處理,得到壓縮機(jī)每個工作循環(huán)的p-V圖;壓縮機(jī)每個工作循環(huán)的p-V圖是一個包括膨脹過程線、進(jìn)氣過程線、壓縮過程線和排氣過程線的封閉圖形;
圖像處理模塊:用于對壓縮機(jī)每個工作循環(huán)的p-V圖進(jìn)行處理,得到壓縮機(jī)每個工作循環(huán)的二值數(shù)字圖像;對壓縮機(jī)每個工作循環(huán)的p-V圖進(jìn)行處理時,對壓縮機(jī)每個工作循環(huán)的p-V圖依次進(jìn)行圖像裁剪、灰度化和二值化,得到壓縮機(jī)每個工作循環(huán)的二值數(shù)字圖像;所述圖像裁剪的過程包括:將每個工作循環(huán)的p-V圖使用圖片裁剪方法進(jìn)行裁剪,剪裁至只保留壓縮機(jī)每個工作循環(huán)的p-V圖的曲線,得到壓縮機(jī)每個工作循環(huán)的裁剪后的p-V圖,其中,剪裁的內(nèi)容包括每個工作循環(huán)的p-V圖的坐標(biāo)軸、坐標(biāo)軸名稱、坐標(biāo)軸刻度和標(biāo)題;
計算模塊:用于將壓縮機(jī)每個工作循環(huán)的二值數(shù)字圖像輸入已訓(xùn)練好的卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行計算,得到卷積神經(jīng)網(wǎng)絡(luò)的輸出;
判斷模塊:用于根據(jù)預(yù)設(shè)的卷積神經(jīng)網(wǎng)絡(luò)的輸出和壓縮機(jī)狀態(tài)之間的映射關(guān)系,得到壓縮機(jī)狀態(tài)類型。
6.一種電子設(shè)備,其特征在于,包括:
一個或多個處理器;
存儲裝置,其上存儲有一個或多個程序;
當(dāng)所述一個或多個程序被所述一個或多個處理器執(zhí)行時,使得所述一個或多個處理器實現(xiàn)如權(quán)利要求1至4中任一所述的基于卷積神經(jīng)網(wǎng)絡(luò)的往復(fù)式壓縮機(jī)故障診斷方法。
7.一種存儲介質(zhì),其特征在于,其上存儲有計算機(jī)程序,其中,所述計算機(jī)程序被處理器執(zhí)行時實現(xiàn)如權(quán)利要求1至4中任一所述的基于卷積神經(jīng)網(wǎng)絡(luò)的往復(fù)式壓縮機(jī)故障診斷方法。
該專利技術(shù)資料僅供研究查看技術(shù)是否侵權(quán)等信息,商用須獲得專利權(quán)人授權(quán)。該專利全部權(quán)利屬于西安交通大學(xué),未經(jīng)西安交通大學(xué)許可,擅自商用是侵權(quán)行為。如果您想購買此專利、獲得商業(yè)授權(quán)和技術(shù)合作,請聯(lián)系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/202110656504.9/1.html,轉(zhuǎn)載請聲明來源鉆瓜專利網(wǎng)。
- 卷積運算處理方法及相關(guān)產(chǎn)品
- 一種卷積神經(jīng)網(wǎng)絡(luò)的計算方法及系統(tǒng)
- 卷積運算方法及系統(tǒng)
- 卷積運算方法、裝置及系統(tǒng)
- 深度神經(jīng)網(wǎng)絡(luò)裁剪方法、裝置及電子設(shè)備
- 基于卷積神經(jīng)網(wǎng)絡(luò)的圖像處理方法和圖像處理裝置
- 卷積神經(jīng)網(wǎng)絡(luò)及基于卷積神經(jīng)網(wǎng)絡(luò)的圖像處理方法
- 一種圖像處理方法、裝置以及計算機(jī)存儲介質(zhì)
- 用于卷積神經(jīng)網(wǎng)絡(luò)的卷積運算裝置
- 基于FPGA實現(xiàn)圖像識別的方法、裝置、設(shè)備及存儲介質(zhì)
- 硬件神經(jīng)網(wǎng)絡(luò)轉(zhuǎn)換方法、計算裝置、軟硬件協(xié)作系統(tǒng)
- 生成較大神經(jīng)網(wǎng)絡(luò)
- 神經(jīng)網(wǎng)絡(luò)的生成方法、生成裝置和電子設(shè)備
- 一種舌診方法、裝置、計算設(shè)備及計算機(jī)存儲介質(zhì)
- 學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)
- 脈沖神經(jīng)網(wǎng)絡(luò)轉(zhuǎn)換方法及相關(guān)轉(zhuǎn)換芯片
- 圖像處理方法、裝置、可讀存儲介質(zhì)和計算機(jī)設(shè)備
- 一種適應(yīng)目標(biāo)數(shù)據(jù)集的網(wǎng)絡(luò)模型微調(diào)方法、系統(tǒng)、終端和存儲介質(zhì)
- 用于重構(gòu)人工神經(jīng)網(wǎng)絡(luò)的處理器及其操作方法、電氣設(shè)備
- 一種圖像神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)的優(yōu)化方法及裝置





