[發(fā)明專利]基于對抗流模型的機(jī)械設(shè)備無監(jiān)督故障診斷方法

有效

• 申請?zhí)枺?/td>: 202111138262.0
• 申請日: 2021-09-27
• 公開（公告）號: CN113935406B
• 公開（公告）日: 2023-05-16
• 發(fā)明（設(shè)計(jì)）人: 王俊;戴俊;江星星;黃偉國;朱忠奎
• 申請（專利權(quán)）人: 蘇州大學(xué)
• 主分類號: G06F18/2413
• 分類號: G06F18/2413;G06F18/2431;G06F18/2411;G06F18/23;G06N3/0464;G06N3/094
• 代理公司: 蘇州市中南偉業(yè)知識產(chǎn)權(quán)代理事務(wù)所(普通合伙) 32257
• 代理人: 李艾

1.一種基于對抗流模型的機(jī)械設(shè)備無監(jiān)督故障診斷方法，其特征在于，包括：

步驟(1)、數(shù)據(jù)預(yù)處理：把機(jī)械振動信號轉(zhuǎn)換到頻域，并把幅值歸一化到[0,1]范圍；

步驟(2)、先驗(yàn)分布設(shè)計(jì)：根據(jù)機(jī)械設(shè)備狀態(tài)的K個(gè)類別設(shè)計(jì)具有K個(gè)子分布的高斯混合模型；

步驟(3)、模型搭建：把自動編碼器、流模型和分類器進(jìn)行組合，搭建無監(jiān)督故障診斷模型；所述流模型把輸入數(shù)據(jù)的低維特征映射到與其維度相同的高斯分布中，獲得映射特征；所述自動編碼器和流模型的組合稱為特征提取器；所述分類器分別對映射特征和先驗(yàn)特征進(jìn)行分類；

步驟(4)、模型訓(xùn)練：利用各類別狀態(tài)數(shù)據(jù)按照設(shè)計(jì)好的先驗(yàn)分布、預(yù)設(shè)的訓(xùn)練步驟、損失函數(shù)和優(yōu)化算法對抗訓(xùn)練所述無監(jiān)督故障診斷模型，所述對抗訓(xùn)練包括：

首先利用無標(biāo)簽的機(jī)械狀態(tài)數(shù)據(jù)訓(xùn)練特征提取器，此時(shí)固定分類器的參數(shù)，損失函數(shù)包含自動編碼器的數(shù)據(jù)重構(gòu)損失、流模型的分布映射損失、所述分類器的類別標(biāo)簽香農(nóng)熵?fù)p失和類別平均分布損失；然后利用無標(biāo)簽的映射特征和有偽標(biāo)簽的先驗(yàn)特征訓(xùn)練所述分類器，此時(shí)固定特征提取器的參數(shù)，損失函數(shù)為先驗(yàn)特征的交叉熵分類損失、先驗(yàn)特征和映射特征的類別標(biāo)簽香農(nóng)熵?fù)p失和類別平均分布損失；交替訓(xùn)練特征提取器和所述分類器，直到所述分類器能給所有映射特征一個(gè)可信度高的偽標(biāo)簽，此時(shí)映射特征服從先驗(yàn)分布中的具有對應(yīng)偽標(biāo)簽的子分布；預(yù)設(shè)的優(yōu)化算法包括自適應(yīng)矩估計(jì)算法、隨機(jī)梯度下降法、均方根傳遞算法中的一種；

步驟(5)、故障診斷：將機(jī)械設(shè)備的狀態(tài)數(shù)據(jù)輸入到訓(xùn)練好的所述無監(jiān)督故障診斷模型中，得到數(shù)據(jù)聚類結(jié)果和故障診斷結(jié)果。

2.根據(jù)權(quán)利要求1所述的基于對抗流模型的機(jī)械設(shè)備無監(jiān)督故障診斷方法，其特征在于，步驟(1)中，機(jī)械設(shè)備狀態(tài)各類別振動信號均具有少量的類別標(biāo)簽，所述類別標(biāo)簽不參與模型的訓(xùn)練，僅用于判斷各類別對應(yīng)的健康狀態(tài)；各類別數(shù)據(jù)量相同或相當(dāng)。

3.根據(jù)權(quán)利要求1所述的基于對抗流模型的機(jī)械設(shè)備無監(jiān)督故障診斷方法，其特征在于，步驟(2)中，所述高斯混合模型的維度大于等于1，其K個(gè)子分布的均值各不相同，方差或協(xié)方差較小，各個(gè)子分布之間幾乎沒有重疊；從設(shè)計(jì)好的先驗(yàn)分布中隨機(jī)采樣一定數(shù)量的向量作為先驗(yàn)特征，它們的偽標(biāo)簽分別為0、1、2、……、K-1。

4.根據(jù)權(quán)利要求1所述的基于對抗流模型的機(jī)械設(shè)備無監(jiān)督故障診斷方法，其特征在于，步驟(3)中，所述自動編碼器由編碼器和解碼器組成，通過編碼器學(xué)習(xí)輸入數(shù)據(jù)的低維特征，其維度和設(shè)計(jì)的所述高斯混合模型的維度相同，利用低維特征經(jīng)過解碼器重構(gòu)輸入數(shù)據(jù)。

5.根據(jù)權(quán)利要求1所述的基于對抗流模型的機(jī)械設(shè)備無監(jiān)督故障診斷方法，其特征在于，步驟(3)中，所述自動編碼器包括通過全連接網(wǎng)絡(luò)、深度卷積網(wǎng)絡(luò)、深度置信網(wǎng)絡(luò)、深度殘差網(wǎng)絡(luò)中的一種來構(gòu)建；所述流模型包括非線性獨(dú)立分量估計(jì)模型、實(shí)值非體保持變換模型、可逆卷積的生成流模型中的一種；所述分類器包括支持向量機(jī)、k最近鄰算法、隨機(jī)森林、模糊系統(tǒng)、深度神經(jīng)網(wǎng)絡(luò)中的一種。

6.根據(jù)權(quán)利要求1所述的基于對抗流模型的機(jī)械設(shè)備無監(jiān)督故障診斷方法，其特征在于，步驟(5)中，根據(jù)少量具有狀態(tài)類別標(biāo)簽的振動信號和其在模型中的偽標(biāo)簽的對應(yīng)關(guān)系，確定獲得各偽標(biāo)簽的數(shù)據(jù)的真實(shí)健康狀態(tài)，從而實(shí)現(xiàn)機(jī)械設(shè)備的故障診斷。

7.一種計(jì)算機(jī)設(shè)備，包括存儲器、處理器及存儲在存儲器上并可在處理器上運(yùn)行的計(jì)算機(jī)程序，其特征在于，所述處理器執(zhí)行所述程序時(shí)實(shí)現(xiàn)權(quán)利要求1到6任一項(xiàng)所述方法的步驟。

8.一種計(jì)算機(jī)可讀存儲介質(zhì)，其上存儲有計(jì)算機(jī)程序，其特征在于，該程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)權(quán)利要求1到6任一項(xiàng)所述方法的步驟。

9.一種處理器，其特征在于，所述處理器用于運(yùn)行程序，其中，所述程序運(yùn)行時(shí)執(zhí)行權(quán)利要求1到6任一項(xiàng)所述的方法。