[發(fā)明專利]清晰化雙譜圖和改進(jìn)卷積神經(jīng)網(wǎng)絡(luò)旋轉(zhuǎn)機(jī)械故障診斷方法

在審

• 申請?zhí)枺?/td>: 202210257494.6
• 申請日: 2022-03-16
• 公開（公告）號: CN114692490A
• 公開（公告）日: 2022-07-01
• 發(fā)明（設(shè)計）人: 楊靜;謝國;楊延西;田瑞明;李奇軍;楊程
• 申請（專利權(quán)）人: 天水師范學(xué)院
• 主分類號: G06F30/27
• 分類號: G06F30/27;G06K9/00;G06K9/62;G06N3/04;G06N3/08;G06T3/40;G06T7/00;G06V10/82;G06V10/764
• 代理公司: 蘭州中科華西專利代理有限公司 62002
• 代理人: 馬小瑞

1.一種清晰化雙譜圖和改進(jìn)卷積神經(jīng)網(wǎng)絡(luò)旋轉(zhuǎn)機(jī)械故障診斷方法，其特征在于：包括以下步驟：

步驟1，利用加速度傳感器分別獲取旋轉(zhuǎn)機(jī)械正常狀態(tài)和不同故障狀態(tài)的M種工況的一維時域振動信號，每種工況的一維時域振動信號分別采集N組，其中N≥20，M種信號分別得到N組一維時域振動信號樣本，分別記為x_MN；

步驟2，利用雙譜分析技術(shù)對每個一維時域振動信號樣本x_MN進(jìn)行處理，得到每個一維時域振動信號樣本x_MN的振動雙譜圖

步驟3，利用Matlab指令將每個一維時域振動信號樣本x_MN的振動雙譜圖轉(zhuǎn)換為二維灰度圖

步驟4，利用增強(qiáng)型超分辨率重建網(wǎng)絡(luò)對每個灰度圖進(jìn)行清晰化處理，得到清晰化振動雙譜灰度圖

步驟5，利用每個清晰化振動雙譜灰度圖構(gòu)造診斷樣本集，并為診斷樣本集中的每個樣本加注標(biāo)簽，將已加注標(biāo)簽的M種工況下的所有清晰化振動雙譜灰度圖組成的診斷樣本集作為訓(xùn)練樣本集；

步驟6，建立基于改進(jìn)卷積神經(jīng)網(wǎng)絡(luò)的旋轉(zhuǎn)機(jī)械故障診斷模型，采用步驟5的訓(xùn)練樣本集對改進(jìn)卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，將訓(xùn)練樣本集中加注標(biāo)簽的樣本依次輸入由輸入層、卷積層、池化層、多尺度卷積層、全局平均池化層和輸出層組成的改進(jìn)卷積神經(jīng)網(wǎng)絡(luò)中，最小化由交叉熵?fù)p失函數(shù)構(gòu)成的改進(jìn)卷積神經(jīng)網(wǎng)絡(luò)的損失函數(shù)，采用有監(jiān)督逐層訓(xùn)練方法進(jìn)行逐層訓(xùn)練和調(diào)優(yōu)，得到改進(jìn)卷積神經(jīng)網(wǎng)絡(luò)的連接權(quán)重和偏置參數(shù)；

步驟7，采用確定連接權(quán)重和偏置參數(shù)的改進(jìn)卷積神經(jīng)網(wǎng)絡(luò)模型對訓(xùn)練樣本集中的每個樣本進(jìn)行自動特征提取，并用所提取的訓(xùn)練樣本特征訓(xùn)練softmax分類器，得到softmax分類器模型；

步驟8，利用加速度傳感器采集待測旋轉(zhuǎn)機(jī)械運(yùn)行時的M種工況的一維時域振動加速度信號數(shù)據(jù)，并利用雙譜分析技術(shù)對每種工況的一維時域振動加速度信號數(shù)據(jù)進(jìn)行處理，得到每種工況的一維時域振動加速度信號數(shù)據(jù)的振動雙譜圖；然后，將每種工況的振動雙譜圖轉(zhuǎn)換為二維灰度圖，并利用增強(qiáng)型超分辨率重建網(wǎng)絡(luò)對每個灰度圖進(jìn)行清晰化處理，將處理后得到的清晰化振動雙譜灰度圖作為測試樣本；

步驟9，將測試樣本作為訓(xùn)練好的改進(jìn)卷積神經(jīng)網(wǎng)絡(luò)的輸入，對測試樣本進(jìn)行深度學(xué)習(xí)，采用確定了連接權(quán)重和偏置參數(shù)的改進(jìn)卷積神經(jīng)網(wǎng)絡(luò)模型對測試樣本進(jìn)行特征提取，得到測試樣本特征；

步驟10，將測試樣本特征作為測試樣本的匹配特征，將每種工況下的各個訓(xùn)練樣本對應(yīng)的訓(xùn)練樣本特征信息作為匹配基準(zhǔn)，采用訓(xùn)練好的softmax分類器對測試樣本與訓(xùn)練樣本進(jìn)行分類匹配，將與測試樣本最為匹配的訓(xùn)練樣本所屬的工況類別判定為測試樣本的工況類別，得到待測旋轉(zhuǎn)機(jī)械的故障診斷結(jié)果。

2.根據(jù)權(quán)利要求1所述的清晰化雙譜圖和改進(jìn)卷積神經(jīng)網(wǎng)絡(luò)旋轉(zhuǎn)機(jī)械故障診斷方法，其特征在于：所述步驟2中雙譜分析的公式為：

其中，E[·]表示數(shù)學(xué)期望，{x(i)}表示零均值的三階平穩(wěn)隨機(jī)過程，t₁,t₂表示任意延時。

3.根據(jù)權(quán)利要求1或2所述的清晰化雙譜圖和改進(jìn)卷積神經(jīng)網(wǎng)絡(luò)旋轉(zhuǎn)機(jī)械故障診斷方法，其特征在于：所述步驟5中加注標(biāo)簽為數(shù)字或者字符，該數(shù)字或者字符表示旋轉(zhuǎn)機(jī)械故障所出現(xiàn)的健康狀態(tài)、故障部位、故障類型及故障等級中的至少一種指標(biāo)。