[發(fā)明專利]基于小樣本深度學(xué)習(xí)的一類沖擊故障診斷

在審

• 申請(qǐng)?zhí)枺?/td>: 202111000344.9
• 申請(qǐng)日: 2021-08-27
• 公開(kāi)（公告）號(hào): CN113705096A
• 公開(kāi)（公告）日: 2021-11-26
• 發(fā)明（設(shè)計(jì)）人: 高暉;趙大力;劉錦南;王牮
• 申請(qǐng)（專利權(quán)）人: 北京博華信智科技股份有限公司
• 主分類號(hào): G06F30/27
• 分類號(hào): G06F30/27;G06N3/04;G06N3/08;G06N20/00;G01M7/08
• 代理公司: 北京志霖恒遠(yuǎn)知識(shí)產(chǎn)權(quán)代理事務(wù)所(普通合伙) 11435
• 代理人: 郭棟梁

本申請(qǐng)公開(kāi)了一種基于小樣本深度學(xué)習(xí)的一類沖擊故障診斷方法故障診斷，該方法包括：獲取設(shè)備監(jiān)測(cè)數(shù)據(jù)對(duì)應(yīng)的遷移特征，得到遷移特征集；對(duì)遷移特征集進(jìn)行重構(gòu)，得到設(shè)備的訓(xùn)練集，訓(xùn)練集中包括設(shè)備的真實(shí)頻域數(shù)據(jù)及虛擬頻域數(shù)據(jù)；基于機(jī)器學(xué)習(xí)，對(duì)訓(xùn)練集進(jìn)行訓(xùn)練，構(gòu)建設(shè)備的故障診斷模型，故障診斷模型用于識(shí)別設(shè)備是否發(fā)生故障。本申請(qǐng)實(shí)施例依據(jù)設(shè)備的故障機(jī)理選擇合適的遷移特征，并對(duì)遷移特征集進(jìn)行重構(gòu)，以生成豐富的訓(xùn)練集，最后對(duì)生成的訓(xùn)練集機(jī)型訓(xùn)練，構(gòu)建設(shè)備的故障診斷模型，從而可以利用構(gòu)建的故障診斷模型對(duì)設(shè)備是否發(fā)生故障進(jìn)行準(zhǔn)確的診斷，提高了設(shè)備故障診斷的準(zhǔn)確度及效率，具備很好的變負(fù)載工況遷移能力。

技術(shù)領(lǐng)域

本申請(qǐng)一般涉及計(jì)算機(jī)技術(shù)領(lǐng)域，具體涉及一種基于小樣本深度學(xué)習(xí)的一類沖擊故障診斷方法。

背景技術(shù)

設(shè)備在使用過(guò)程中，由于磨擦、外力、應(yīng)力及化學(xué)反應(yīng)的作用，零件總會(huì)逐漸磨損和腐蝕、斷裂導(dǎo)致因故障而停機(jī)。為了防止故障停機(jī)所造成的經(jīng)濟(jì)損失，則需要對(duì)設(shè)備故障進(jìn)行及時(shí)檢測(cè)，以加強(qiáng)設(shè)備保養(yǎng)維修，如掌握零件磨損情況，可以在零件進(jìn)入劇烈磨損階段前，進(jìn)行修理更換。

目前，在設(shè)備故障的檢測(cè)過(guò)程中，主要是通過(guò)人工排查，如通過(guò)工程師的人眼觀察，或者工程師的經(jīng)驗(yàn)來(lái)診斷設(shè)備是否故障，使得診斷準(zhǔn)確性低，成本高。

發(fā)明內(nèi)容

鑒于現(xiàn)有技術(shù)中的上述缺陷或不足，期望提供一種基于小樣本深度學(xué)習(xí)的一類沖擊故障診斷方法，基于機(jī)器學(xué)習(xí)構(gòu)建設(shè)備故障診斷模型，實(shí)現(xiàn)設(shè)備故障的智能診斷，提高識(shí)別精確度及效率。

第一方面，本申請(qǐng)實(shí)施例提供一種基于小樣本深度學(xué)習(xí)的一類沖擊故障診斷方法，該方法包括：

獲取設(shè)備監(jiān)測(cè)數(shù)據(jù)對(duì)應(yīng)的遷移特征，得到遷移特征集；

對(duì)所述遷移特征集進(jìn)行重構(gòu)，得到所述設(shè)備的訓(xùn)練集，所述訓(xùn)練集中包括所述設(shè)備的真實(shí)頻域數(shù)據(jù)及虛擬頻域數(shù)據(jù)；

基于機(jī)器學(xué)習(xí)，對(duì)所述訓(xùn)練集進(jìn)行訓(xùn)練，構(gòu)建所述設(shè)備的故障診斷模型，所述故障診斷模型用于識(shí)別設(shè)備是否發(fā)生故障。

綜上，本申請(qǐng)實(shí)施例提供的設(shè)備基于小樣本深度學(xué)習(xí)的一類沖擊故障診斷方法，依據(jù)設(shè)備的故障機(jī)理選擇合適的遷移特征，進(jìn)而基于獲取的真實(shí)的遷移特征，對(duì)遷移特征集進(jìn)行重構(gòu)，以生成豐富的訓(xùn)練集，最后對(duì)生成的訓(xùn)練集機(jī)型訓(xùn)練，構(gòu)建設(shè)備的故障診斷模型，從而可以利用構(gòu)建的故障診斷模型對(duì)設(shè)備是否發(fā)生故障進(jìn)行準(zhǔn)確的診斷，提高了設(shè)備故障診斷的準(zhǔn)確度及效率，且具備很好的變負(fù)載工況遷移能力。

進(jìn)一步，通過(guò)利用成循環(huán)生成對(duì)抗網(wǎng)絡(luò)對(duì)獲取的小樣本的真實(shí)監(jiān)測(cè)數(shù)據(jù)進(jìn)行重構(gòu)，以生成逼真的虛擬頻域數(shù)據(jù)，實(shí)現(xiàn)訓(xùn)練樣本的增強(qiáng)及豐富。

附圖說(shuō)明

通過(guò)閱讀參照以下附圖所作的對(duì)非限制性實(shí)施例所作的詳細(xì)描述，本申請(qǐng)的其它特征、目的和優(yōu)點(diǎn)將會(huì)變得更明顯：

圖1為本申請(qǐng)的實(shí)施例的設(shè)備故障診斷模型構(gòu)建方法的流程示意圖；

圖2為本申請(qǐng)的實(shí)施例的監(jiān)測(cè)數(shù)據(jù)分析的流程示意圖；

圖3為本申請(qǐng)的實(shí)施例的模擬試驗(yàn)臺(tái)的結(jié)構(gòu)示意圖；

圖4為本申請(qǐng)的實(shí)施例的訓(xùn)練集重構(gòu)流程示意圖；

圖5為本申請(qǐng)的實(shí)施例的訓(xùn)練集重構(gòu)流程示意圖；

圖6為本申請(qǐng)的實(shí)施例的訓(xùn)練集重構(gòu)流程示意圖；

圖7為本申請(qǐng)的實(shí)施例的訓(xùn)練集重構(gòu)流程示意圖；

圖8為本申請(qǐng)的實(shí)施例的重構(gòu)結(jié)果示意圖；

圖9為本申請(qǐng)的實(shí)施例的故障診斷模型更構(gòu)建的流程示意圖；

圖10為本申請(qǐng)的實(shí)施例的設(shè)備故障診斷結(jié)果示意圖；

圖11為本申請(qǐng)的實(shí)施例的設(shè)備故障診斷結(jié)果示意圖；