[發明專利]一種基于機理仿真與數據驅動相融合的故障診斷方法

在審

• 申請號: 202210354885.X
• 申請日: 2022-03-28
• 公開（公告）號: CN114782741A
• 公開（公告）日: 2022-07-22
• 發明（設計）人: 王華慶;佟興偉;宋瀏陽;韓長坤
• 申請（專利權）人: 北京化工大學
• 主分類號: G06V10/764
• 分類號: G06V10/764;G06K9/62;G06V10/82;G06N3/04;G06N3/08;G01M13/045
• 代理公司: 北京思海天達知識產權代理有限公司 11203
• 代理人: 劉萍

1.一種基于機理仿真與數據驅動相融合的故障診斷方法，其特征在于，

訓練生成對抗網絡生成一維樣本數據，步驟如下：

(1)將不同狀態下的軸承加速度信號每間隔一定數據點進行截斷作為一個樣本即真實樣本x，通常間隔的點數需要大于軸承旋轉一周的采樣點數即可；

(2)將一個長度為128的隨機噪聲樣本輸入到生成器G中，生成器G輸出一個與真實樣本比較相似但不相同的生成樣本G(z)；

(3)將真實樣本x和生成樣本G(z)同時獨立的輸入到判別器D中，D(x)為判別器D的輸出，也就是輸入的樣本為真實樣本的概率；將真實樣本x的標簽設置為1，生成樣本G(z)的標簽為0，輸入x時，判別器D的目的是使得D(x)的值等于1，即判斷其為真，而當輸入為生成樣本G(z)時，判別器希望能夠判斷其為假即輸出值D(G(z))等于0，即判斷為假，但是這時生成器G希望其生成數據可以以假亂真使得判別器D(G(z))＝1即判斷為真，從而形成對抗博弈；GAN的損失函數如式(1)所示，優化目標函數如式(2)所示為極小極大問題；

式中：z為隨機噪聲也是生成器G的輸入，P_z(z)為先驗分布，G(z)為生成器的輸出即生成樣本，x為真實樣本，p_data(x)為真實樣本的分布，D(G(z))為判別器的輸出即為一個[0-1]之間的概率值；

(4)在優化訓練的過程中，兩者交替訓練，當訓練其中一個時，另一個的參數先固定；對判別器D的優化，其希望能正確分辨真假樣本，輸入真實樣本x時，優化D使得D(x)的值由0至1；輸入真實樣本G(z)時，優化D使得的D(G(z))的值由1至0；故而D的優化目標函數如式(3)所示為最大化問題；

而生成器G的優化，其希望生成以假亂真的數據G(z)，從而欺騙D使得D信以為真；其優化目標函數如式(4)所示，即目標為使得D(G(z))的值由0至1，從而演變成最小化問題；

訓練多次直至判別器分辨不出輸入的是生成樣本還是真實樣本，這時D(G(z))＝0.5,達到納什平衡，此時訓練結束，會得到與真實樣本很相似但不同的樣本；

(5)設置網絡最大迭代次數25000次，判別器D輸出值的閾值范圍為0.5-0.501，當每次迭代得出的輸出概率D(G(z))在該范圍內時則滿足要求，輸出生成樣本；

構建軸承故障仿真信號的表達式如下所示：

其中，A為位移系數即沖擊幅值，f_n為固有頻率，ε為阻尼系數，φ為初始相位角，T_K表示第k次脈沖的觸發時間，v(t)為隨機噪聲，N為采樣點數；根據實際滾動軸承故障診斷試驗臺參數并結合時域圖和包絡譜圖進行式(5)的參數配置，方法如下所述:

沖擊幅值A＝round(max(x)),x為真實信號，max為最大值函數，round為四舍五入；

軸承故障時的固有頻率一般在[1KHz-60KHz],每次步進1KHz調節固有頻率f_n，直至滿足max(abs(fft(x)))＝max(abs(fft(y)))，此時的f_n即為所需，其中y為仿真信號，fft為快速傅里葉變換，abs為取絕對值函數；

初始相位角φ＝0，v(t)的大小只要滿足仿真信號的包絡譜中故障特征頻率不被淹沒即可，其中特征頻率f_z的計算以外圈故障為例如式(6)所示：

其中，r為實際滾動軸承的轉速，n為滾珠個數，d為滾動體直徑，D為軸承節徑，α為滾動體接觸角；

阻尼系數ε的取值范圍為[0,1],最佳阻尼系數ε通過計算仿真信號y與真實信號x的相關性進行選擇，相關性的評價通過Pearson相關系數如式(7)進行評價；

其中，cov為兩者的協方差，σ為標準差，|ρ|∈[0,1]，相關系數的絕對值越大則相關性越強；ε初始化值為0，每次步進0.001直到取值為1結束，選擇相關系數最大時的ε即為所求。