[發(fā)明專利]面向強(qiáng)噪聲干擾環(huán)境的演藝裝備故障診斷模型構(gòu)建方法

在審

• 申請(qǐng)?zhí)枺?/td>: 202110984638.3
• 申請(qǐng)日: 2021-08-25
• 公開(kāi)（公告）號(hào): CN113569990A
• 公開(kāi)（公告）日: 2021-10-29
• 發(fā)明（設(shè)計(jì)）人: 陳永毅;葉澤華;張丹
• 申請(qǐng)（專利權(quán)）人: 浙江工業(yè)大學(xué)
• 主分類號(hào): G06K9/62
• 分類號(hào): G06K9/62;G06N3/04;G06N3/08;G06K9/00
• 代理公司: 杭州浙科專利事務(wù)所(普通合伙) 33213
• 代理人: 周紅芳;朱盈盈

面向強(qiáng)噪聲干擾環(huán)境的演藝裝備故障診斷模型構(gòu)建方法，屬于演藝裝備內(nèi)部組件的故障診斷技術(shù)領(lǐng)域。它包括以下步驟：1采集振動(dòng)信號(hào)作為原始數(shù)據(jù)集，并對(duì)其進(jìn)行分割，將分割后的數(shù)據(jù)分為訓(xùn)練集和測(cè)試集；2)將訓(xùn)練集和測(cè)試集的振動(dòng)信號(hào)進(jìn)行標(biāo)準(zhǔn)化處理；3)將訓(xùn)練集輸入到DP?MRTN網(wǎng)絡(luò)中進(jìn)行訓(xùn)練，得到一個(gè)用于演藝裝備的特征提取模型和分類模型，4)將測(cè)試集的振動(dòng)信號(hào)輸入到訓(xùn)練好的DP?MRTN模型中進(jìn)行故障診斷。本發(fā)明從通道域和空間域上學(xué)習(xí)和獲取表示輸入數(shù)據(jù)重要程度的系數(shù)，并將該系數(shù)作為軟閾值函數(shù)的閾值進(jìn)行重要特征篩選；采用雙路徑，用于捕獲振動(dòng)信號(hào)中的長(zhǎng)距離依賴關(guān)系，并將兩條路徑提取的特征進(jìn)行融合，能夠顯著提高診斷模型在強(qiáng)噪聲環(huán)境下的故障診斷精度。

技術(shù)領(lǐng)域

本發(fā)明屬于演藝裝備內(nèi)部組件的故障診斷技術(shù)領(lǐng)域，具體涉及面向強(qiáng)噪聲干擾環(huán)境的演藝裝備故障診斷模型構(gòu)建方法。

背景技術(shù)

在實(shí)際劇院場(chǎng)館工作環(huán)境中，演藝裝備經(jīng)常在非理想條件下運(yùn)行，受各種因素影響，時(shí)常發(fā)生損壞，會(huì)導(dǎo)致演藝裝備內(nèi)部組件迅速失效。早期故障診斷可以在最大化機(jī)器利用率和避免災(zāi)難性損壞的前提下優(yōu)化維修計(jì)劃。

在各種機(jī)械化設(shè)備故障診斷技術(shù)中，基于振動(dòng)的技術(shù)已被證明是最有效的機(jī)械化設(shè)備內(nèi)部組件故障診斷方法之一，因而得到了廣泛的應(yīng)用。故障診斷方法一般分為兩類：基于模型的故障診斷方法和基于數(shù)據(jù)驅(qū)動(dòng)的故障診斷方法。基于模型的方法依賴于較強(qiáng)的專業(yè)知識(shí)建立故障模型。旋轉(zhuǎn)機(jī)械涉及到電場(chǎng)、機(jī)械場(chǎng)和磁場(chǎng)的耦合，因此很難建立精確的模型。目前，數(shù)據(jù)驅(qū)動(dòng)方法由于能夠自動(dòng)提取特征，且對(duì)專業(yè)知識(shí)的要求較低，在旋轉(zhuǎn)機(jī)械故障診斷中得到了廣泛的應(yīng)用。

近年來(lái)，深度學(xué)習(xí)的發(fā)展為數(shù)據(jù)驅(qū)動(dòng)的故障診斷提供了機(jī)遇。常用的深度學(xué)習(xí)方法包括自動(dòng)編碼器、卷積神經(jīng)網(wǎng)絡(luò)、深度信念網(wǎng)絡(luò)和循環(huán)神經(jīng)網(wǎng)絡(luò)。數(shù)據(jù)驅(qū)動(dòng)的故障診斷方法雖然效果顯著，但在實(shí)際場(chǎng)景中，采集到的振動(dòng)信號(hào)在時(shí)域和頻域上都會(huì)受到噪聲干擾，會(huì)嚴(yán)重影響故障診斷精度。因此，如何從噪聲振動(dòng)信號(hào)中準(zhǔn)確地估計(jì)演藝裝備故障類型仍是一個(gè)挑戰(zhàn)。

發(fā)明內(nèi)容

針對(duì)現(xiàn)有技術(shù)中存在的上述問(wèn)題，本發(fā)明的目的在于提供一種基于DP-MRTN，應(yīng)用于現(xiàn)代劇場(chǎng)演藝裝備中，解決其內(nèi)部組件故障診斷問(wèn)題的故障診斷方法。

本發(fā)明提供如下技術(shù)方案：面向強(qiáng)噪聲干擾環(huán)境的演藝裝備故障診斷模型構(gòu)建方法，其特征在于，包括以下步驟：

1)在演藝裝備外殼表面安置無(wú)線智能傳感器，采集徑向X、前向Y、垂向Z三個(gè)方向的振動(dòng)信號(hào)，設(shè)置每次進(jìn)行分析的樣本時(shí)長(zhǎng)，并根據(jù)分析的樣本時(shí)長(zhǎng)對(duì)前向Y方向上的振動(dòng)信號(hào)進(jìn)行分割，將分割后的數(shù)據(jù)分為訓(xùn)練集和測(cè)試集；

2)將訓(xùn)練集的振動(dòng)信號(hào)和測(cè)試集的振動(dòng)信號(hào)采用min-max標(biāo)準(zhǔn)化的方法進(jìn)行比例縮放，使之落入設(shè)定的區(qū)間，提升模型的收斂速度；

3)確定雙路徑混合域殘差閾值網(wǎng)絡(luò)DP-MRTN的整體結(jié)構(gòu)和超參數(shù)，將訓(xùn)練集輸入到雙路徑混合域殘差閾值網(wǎng)絡(luò)DP-MRTN中進(jìn)行訓(xùn)練，得到一個(gè)用于演藝裝備的特征提取模型和分類模型，訓(xùn)練集在雙路徑混合域殘差閾值網(wǎng)絡(luò)DP-MRTN中的具體處理過(guò)程如下：

3.1)首先，通過(guò)卷積層對(duì)輸入的訓(xùn)練集振動(dòng)信號(hào)中的短時(shí)特征進(jìn)行提取，抑制高頻噪聲；

3.2)輸入的訓(xùn)練集振動(dòng)信號(hào)在被寬卷積核壓縮后，首先流經(jīng)批歸一化層和ReLU激活函數(shù)，然后輸入到雙路徑混合域殘差閾值塊DP-MRTB模型中，在雙路徑混合域殘差閾值塊DP-MRTB模型中，數(shù)據(jù)分為混合域殘差閾值塊路徑及具有擴(kuò)張卷積的混合域殘差閾值塊路徑兩個(gè)路徑進(jìn)行傳輸；

3.3)輸入的訓(xùn)練集振動(dòng)信號(hào)經(jīng)由混合域殘差閾值塊路徑及具有擴(kuò)張卷積的混合域殘差閾值塊路徑，分別獲取對(duì)應(yīng)路徑的通道域注意力特征和空間域注意力特征；