[發明專利]小型潛水電泵的故障診斷方法及其系統

有效

• 申請號: 202210748965.3
• 申請日: 2022-06-28
• 公開（公告）號: CN115143128B
• 公開（公告）日: 2023-05-16
• 發明（設計）人: 高淑瑜;鄭軍輝;金佩薇;陳奎;趙一騰
• 申請（專利權）人: 浙江石水泵業科技有限公司
• 主分類號: F04D15/00
• 分類號: F04D15/00;F04D13/08;G06F18/213;G06F18/24;G06F18/25;G06N3/0464;G06N3/048
• 代理公司: 北京同輝知識產權代理事務所(普通合伙) 11357
• 代理人: 魏忠暉

本申請涉及故障智能診斷的領域，更具體地，涉及一種小型潛水電泵的故障診斷方法及其系統，其通過卷積神經網絡模型來從待檢測潛水電泵的單通道振動信號的時域圖像信號特征和采樣離散特征中分別挖掘出所述單通道振動信號的振動波形圖與各過濾器關聯的局部語義關聯信息以及樣本間關聯信息，并對得到的特征向量的深度進行單應對齊，以提升含有這兩個特征信息的所述特征向量在深層次的高維特征空間內的融合性能，進而提高分類的準確性，這樣，能夠對于所述潛水電泵的故障類型進行準確地判斷，以準確無誤且高效的對于所述潛水電泵的故障進行維修。

技術領域

本申請涉及故障智能診斷的領域，且更為具體地，涉及一種小型潛水電泵的故障診斷方法及其系統。

背景技術

近幾年來，潛水電泵的制造技術和生產飛速發展，特別是在工農業生產，城鄉居民生活，工礦企業，城市供水，飯店賓館等各領域均得到了廣泛的應用。但是在使用的過程中，電泵故障常有發生，嚴重影響著生產的安全、可靠、長周期運行。

因此，期待一種用于小型潛水電泵的故障診斷方案以確定故障類型并利于后續的電泵維修。

發明內容

為了解決上述技術問題，提出了本申請。本申請的實施例提供了一種小型潛水電泵的故障診斷方法及其系統，其通過卷積神經網絡模型來從待檢測潛水電泵的單通道振動信號的時域圖像信號特征和采樣離散特征中分別挖掘出所述單通道振動信號的振動波形圖與各過濾器關聯的局部語義關聯信息以及樣本間關聯信息，并對得到的特征向量的深度進行單應對齊，以提升含有這兩個特征信息的所述特征向量在深層次的高維特征空間內的融合性能，進而提高分類的準確性，這樣，能夠對于所述潛水電泵的故障類型進行準確地判斷，以準確無誤且高效的對于所述潛水電泵的故障進行維修。

根據本申請的一個方面，提供了一種小型潛水電泵的故障診斷方法，其包括：

獲取由部署于待檢測潛水電泵的振動傳感器采集的單通道振動信號；

以預定采樣頻率從所述單通道振動信號提取具有預定數量的多個樣本點，并將所述具有預定數量的多個樣本點按照時間維度排列為振動離散樣本輸入向量；

將所述振動離散樣本輸入向量通過使用一維卷積核的一維卷積神經網絡以得到離散振動特征向量；

將所述單通道振動信號的波形圖通過使用二維卷積核的二維卷積神經網絡以得到全局振動特征向量；

融合所述離散振動特征向量和所述全局振動特征向量以得到分類特征向量；以及

將所述分類特征向量通過分類器以得到分類結果，所述分類結果用于表示所述待檢測潛水電泵是否存在故障。

在上述小型潛水電泵的故障診斷方法中，將所述振動離散樣本輸入向量通過使用一維卷積核的一維卷積神經網絡以得到離散振動特征向量，包括：使用所述一維卷積神經網絡的各層在層的正向傳遞中對輸入數據分別進行：使用所述一維卷積核對所述輸入數據進行一維卷積處理以得到卷積特征向量；以及，使用非線性激活函數對所述卷積特征向量中各個位置的特征值進行非線性激活以得到激活特征向量；其中，所述一維卷積神經網絡的最后一層的輸出為所述離散振動特征向量。

在上述小型潛水電泵的故障診斷方法中，所述非線性激活函數為Mish激活函數，所述Mish激活函數用公式表示為f(x)＝x.tanh(ln(1+e^x))。

在上述小型潛水電泵的故障診斷方法中，將所述單通道振動信號的波形圖通過使用二維卷積核的二維卷積神經網絡以得到全局振動特征向量，包括：所述二維卷積核的二維卷積神經網絡的各層在層的正向傳遞中分別進行：對輸入數據進行基于二維卷積核的卷積處理以得到卷積特征圖；對所述卷積特征圖進行基于局部特征矩陣的均值池化以得到池化特征圖；以及，對所述池化特征圖進行非線性激活以得到激活特征圖；其中，所述二維卷積核的二維卷積神經網絡的最后一層的輸出為所述全局振動特征向量，所述二維卷積核的二維卷積神經網絡的第一層的輸入為所述所述單通道振動信號的波形圖。