[發(fā)明專利]基于深度殘差變分自編碼器的故障診斷方法和診斷系統(tǒng)

在審

• 申請(qǐng)?zhí)枺?/td>: 202210359430.7
• 申請(qǐng)日: 2022-04-07
• 公開（公告）號(hào): CN114912480A
• 公開（公告）日: 2022-08-16
• 發(fā)明（設(shè)計(jì)）人: 鄢小安;盧彥宇;謝超;葉茂友
• 申請(qǐng)（專利權(quán)）人: 南京林業(yè)大學(xué)
• 主分類號(hào): G06K9/00
• 分類號(hào): G06K9/00;G06K9/62;G06N3/04;G06N3/08;G01H17/00
• 代理公司: 北京智行陽(yáng)光知識(shí)產(chǎn)權(quán)代理事務(wù)所(普通合伙) 11738
• 代理人: 楊效忠

本發(fā)明公開了一種基于深度殘差變分自編碼器的故障診斷方法和診斷系統(tǒng)，所述診斷方法包括如下步驟：S10：獲取機(jī)械設(shè)備在不同故障下的振動(dòng)加速度信號(hào)X；S20：將所采集到的振動(dòng)加速度信號(hào)X通過小波包分解并重構(gòu)，獲得小波包重構(gòu)信號(hào)作為特征樣本集，將所述特征樣本集按一定比例隨機(jī)劃分為訓(xùn)練集和測(cè)試集；S30：通過將殘差自編碼模塊和變分自編碼器模塊進(jìn)行前后堆疊連接，構(gòu)建形成深度殘差變分自編碼器網(wǎng)絡(luò)模型；S40：將訓(xùn)練集輸入到所述深度殘差變分自編碼器網(wǎng)絡(luò)模型中進(jìn)行依次訓(xùn)練，獲得具有故障判別能力的深度網(wǎng)絡(luò)模型；S50：將測(cè)試集輸入至已訓(xùn)練好的深度網(wǎng)絡(luò)模型中，自動(dòng)識(shí)別機(jī)械故障的類型。

技術(shù)領(lǐng)域

本發(fā)明涉及機(jī)械設(shè)備故障診斷技術(shù)領(lǐng)域，尤其涉及一種基于深度殘差變分自編碼器的故障診斷方法和診斷系統(tǒng)。

背景技術(shù)

隨著現(xiàn)代機(jī)械設(shè)備的飛速發(fā)展，旋轉(zhuǎn)機(jī)械部件(如軸承、齒輪、轉(zhuǎn)子)被廣泛用于風(fēng)力發(fā)電機(jī)、汽輪機(jī)、航空發(fā)動(dòng)機(jī)等復(fù)雜機(jī)械系統(tǒng)的工業(yè)生產(chǎn)中。由于旋轉(zhuǎn)機(jī)械部件長(zhǎng)期處于高速旋轉(zhuǎn)中，其關(guān)鍵部件很容易出現(xiàn)老化損壞等問題。旋轉(zhuǎn)機(jī)械設(shè)備一旦產(chǎn)生故障，必然會(huì)對(duì)工廠的正常生產(chǎn)造成極大的影響，甚至引起人員傷亡。因此，開展旋轉(zhuǎn)機(jī)械設(shè)備故障診斷的研究非常有價(jià)值。

在旋轉(zhuǎn)機(jī)械故障診斷中，由于現(xiàn)代機(jī)械設(shè)備處于復(fù)雜工況中，工作環(huán)境中存在著大量干擾噪聲，如果直接采用含噪原始振動(dòng)信號(hào)進(jìn)行故障診斷，容易造成故障診斷的偏差或者不準(zhǔn)確。此外，傳統(tǒng)的旋轉(zhuǎn)機(jī)械故障診斷模型存在訓(xùn)練時(shí)間長(zhǎng)、抗干擾能力弱與降噪能力不足等問題。

發(fā)明內(nèi)容

本方案針對(duì)上文提出的問題和需求，提出一種基于深度殘差變分自編碼器的故障診斷方法和診斷系統(tǒng)，由于采取了如下技術(shù)特征而能夠?qū)崿F(xiàn)上述技術(shù)目的，并帶來其他多項(xiàng)技術(shù)效果。

本發(fā)明的一個(gè)目的在于提出一種基于深度殘差變分自編碼器的故障診斷方法，包括如下步驟：

S10：獲取機(jī)械設(shè)備在不同故障下的振動(dòng)加速度信號(hào)X；

S20：將所采集到的振動(dòng)加速度信號(hào)X通過小波包分解并重構(gòu)，獲得小波包重構(gòu)信號(hào)作為特征樣本集，將所述特征樣本集按一定比例隨機(jī)劃分為訓(xùn)練集和測(cè)試集；

S30：通過將殘差自編碼模塊和變分自編碼器模塊進(jìn)行前后堆疊連接，構(gòu)建形成深度殘差變分自編碼器網(wǎng)絡(luò)模型；

S40：將訓(xùn)練集輸入到所述深度殘差變分自編碼器網(wǎng)絡(luò)模型中進(jìn)行依次訓(xùn)練，獲得具有故障判別能力的深度網(wǎng)絡(luò)模型；

S50：將測(cè)試集輸入至已訓(xùn)練好的深度網(wǎng)絡(luò)模型中，自動(dòng)識(shí)別機(jī)械故障的類型。

在本發(fā)明的一個(gè)示例中，步驟S20包括：對(duì)采集的加速度信號(hào)X進(jìn)行3層小波包分解，獲得一系列小波包節(jié)點(diǎn)信號(hào)，進(jìn)一步對(duì)各小波包節(jié)點(diǎn)信號(hào)進(jìn)行重構(gòu)，并將重構(gòu)后的小波包節(jié)點(diǎn)信號(hào)作為數(shù)據(jù)樣本集，最后按一定的比例將數(shù)據(jù)樣本集隨機(jī)劃分為訓(xùn)練集和測(cè)試集。

在本發(fā)明的一個(gè)示例中，所述小波包分解過程中，采用的小波函數(shù)為db1小波，其表達(dá)式為：

式中，t為時(shí)間變量，j＝1,2,…,J，J為最大分解層數(shù)，i＝1,2,…,2^j，pⁱ_j(t)為第j層小波包分解后獲得的第i個(gè)小波包節(jié)點(diǎn)信號(hào)，h與g為正交共軛濾波器系數(shù)。

在本發(fā)明的一個(gè)示例中，所述小波包節(jié)點(diǎn)信號(hào)重構(gòu)過程中，采用的重構(gòu)方法的表達(dá)式為：

式中，t為時(shí)間變量，sⁱ_j(t)為第j層小波包分解后獲得的第i個(gè)小波包節(jié)點(diǎn)重構(gòu)信號(hào)，h^*和g^*分別為h與g的對(duì)偶算子。

在本發(fā)明的一個(gè)示例中，步驟S30中構(gòu)建的深度殘差變分自編碼器網(wǎng)絡(luò)模型包括兩部分：殘差自編碼模塊和變分自編碼器模塊，