[發明專利]機械健康狀態監測方法及裝置

在審

• 申請號: 202210174862.0
• 申請日: 2022-02-24
• 公開（公告）號: CN114970598A
• 公開（公告）日: 2022-08-30
• 發明（設計）人: 孫仕林;王天楊;褚福磊;譚建鑫;井延偉
• 申請（專利權）人: 清華大學;河北建投新能源有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06N3/04;G06N3/08
• 代理公司: 北京鴻元知識產權代理有限公司 11327
• 代理人: 付麗麗;袁文婷

1.一種機械健康狀態監測方法，其特征在于，包括如下步驟：

建立對抗表示學習網絡，所述對抗表示學習網絡包括用于將輸入信號映射為第一隱空間編碼的第一編碼器子網絡、用于將所述第一隱空間編碼重構至信號空間的解碼器子網絡和用于將所述信號空間中的重構信號映射為第二隱空間編碼的第二編碼器子網絡；

將健康機械運行信號的特征數據作為網絡訓練數據對所述對抗表示學習網絡進行對抗學習訓練，當所述對抗學習訓練達到預設收斂條件后，將所述第一隱空間編碼與所述第二隱空間編碼的相對誤差作為機械損傷指標，得到機械健康狀態監測網絡；

將實時采集的目標機械的運行信號，經過預處理后輸入至所述機械健康狀態監測網絡，得到所述目標機械的機械損傷指標；

基于預設機械損傷指標閾值，根據所述目標機械的機械損傷指標確定所述目標機械的機械健康狀態的監測結果。

2.根據權利要求1所述的機械健康狀態監測方法，其特征在于，所述對抗表示學習網絡還包括用于根據所述第二隱空間編碼生成均勻分布隨機變量的判別器子網絡。

3.根據權利要求2所述的機械健康狀態監測方法，其特征在于，所述預設收斂條件為：

使所述特征數據中的健康機械的運行信號與所述信號空間中的重構信號之間的差異、所述第一隱空間編碼與所述第二隱空間編碼之間的差異、所述第二隱空間編碼與所述均勻分布隨機變量之間的差異達到最小化，以使所述第一編碼器子網絡、所述解碼器子網絡、所述第二編碼器子網絡和所述判別器子網絡的參數收斂至穩定狀態。

4.根據權利要求2所述的機械健康狀態監測方法，其特征在于，所述第一編碼器子網絡、所述解碼器子網絡、所述第二編碼器子網絡和所述判別器子網絡均由卷積層、全連接層和歸一化層連接而成。

5.根據權利要求4所述的機械健康狀態監測方法，其特征在于，在所述建立對抗表示學習網絡的過程中，

所述第一編碼器子網絡和所述解碼器子網絡中的相同層級的特征圖沿著特征方向進行拼接，將拼接后的特征圖作為所述解碼器子網絡中對應層級的特征圖，以使所述第一編碼器子網絡中的特征圖在所述解碼器子網絡的特征圖中得以共享。

6.根據權利要求1所述的機械健康狀態監測方法，其特征在于，所述健康機械運行信號的特征數據的獲取方法包括：

通過傳感器采集機械在健康狀態下的原始運行信號x_r；

利用離散傅里葉變換將所述原始運行信號x_r轉換到頻域，得到所述機械在健康狀態下的原始運行信號的頻譜s＝DFT(x_r)；其中，DFT()為離散傅里葉變換；

對所述頻譜進行歸一化處理，使得到的運行信號幅值均位于[0,1]的范圍內，得到所述健康機械運行信號的特征數據；其中，所述歸一化處理的過程表示為：

其中，

s_max是s中幅值最大的元素，s_min是s中幅值最小的元素，x是特征數據。

7.根據權利要求6所述的機械健康狀態監測方法，其特征在于，所述機械在健康狀態下的原始運行信號x_r為振動信號、電流信號、聲信號中的任意一種信號。

8.根據權利要求1所述的機械健康狀態監測方法，其特征在于，所述將實時采集的目標機械的運行信號，經過預處理后輸入至所述機械健康狀態監測網絡，得到所述目標機械的機械損傷指標包括：

通過傳感器實時采集目標機械的運行信號x_t；

利用離散傅里葉變換將所述目標機械的運行信號x_t轉換到頻域，得到所述目標機械的運行信號的頻譜s＝DFT(x_t)，其中DFT()是離散傅里葉變換；

對所述目標機械的運行信號的頻譜進行歸一化處理，使得到的運行信號幅值均位于[0,1]的范圍內，得到預處理后的目標機械的運行信號特征數據；

將所述目標機械的運行信號特征數據輸入至所述機械健康狀態監測網絡，得到所述目標機械的機械損傷指標。