[發明專利]大型旋轉機械多源異構數據特征提取方法及故障診斷方法

在審

• 申請號: 202210771293.8
• 申請日: 2022-06-30
• 公開（公告）號: CN115062720A
• 公開（公告）日: 2022-09-16
• 發明（設計）人: 湯寶平;包磊;谷新宇;李琪康;劉小莉
• 申請（專利權）人: 重慶大學
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06F40/289;G06F40/18;G06N3/04;G06N3/08
• 代理公司: 重慶博凱知識產權代理有限公司 50212
• 代理人: 黃河

1.大型旋轉機械多源異構數據特征提取方法，其特征在于，包括如下步驟：

S1：獲取大型旋轉機械的多源異構數據；所述大型旋轉機械的多源異構數據包括大型旋轉機械關聯的文本數據、表格數據和時序數據；

S2：分別對文本數據的文本信息以及表格數據中每個單元格的文本信息進行分句和分詞處理，得到對應的分句分詞信息；

S3：對文本數據的分句分詞信息進行詞嵌入編碼，將得到的文本數據的詞編碼向量作為文本數據的特征表征向量；

S4：對表格數據中各個單元格的分句分詞信息分別進行詞嵌入編碼，并對得到的表格數據的各個單元格的詞編碼向量進行拼接融合，得到表格數據的編碼向量矩陣，作為表格數據的特征表征向量；

S5：對時序數據進行分段切割，對時序數據切割所得的各個時序數據段利用預先訓練的自編碼器分別進行編碼處理后進行拼接融合，得到時序數據的編碼向量，作為時序數據的特征表征向量；

S6：將大型旋轉機械所關聯的文本數據、表格數據和時序數據的特征表征向量進行拼接融合及降維編碼處理，將得到低維融合特征向量作為大型旋轉機械的多源異構數據特征向量。

2.根據權利要求1所述的大型旋轉機械多源異構數據特征提取方法，其特征在于，所述步驟S2具體包括：

S201：分別對文本數據的文本信息以及表格數據中每個單元格的文本信息進行分句處理，得到各文本信息分句的句段；

S202：分別各對文本信息的各句段進行分詞處理，得到各句段包含的特征詞；

S203：將文本數據中文本信息的各句段包含的特征詞的集合作為文本數據的分句分詞信息；將表格數據中每個單元格中文本信息的各句段包含的特征詞的集合作為相應單元格分句分詞信息。

3.根據權利要求2所述的大型旋轉機械多源異構數據特征提取方法，其特征在于，所述步驟S201中，對文本數據的文本信息以及表格數據中每個單元格的文本信息進行分句處理之前，還包括：

對文本數據的文本信息以及表格數據中每個單元格的文本信息進行文本預處理，所述文本預處理包括對文本信息的錯別字糾正處理、錯誤符號糾正處理、錯誤語法糾正處理、去停用詞處理、同義詞表達一致性處理中的一種或多種。

4.根據權利要求2所述的大型旋轉機械多源異構數據特征提取方法，其特征在于，所述步驟S3具體包括：

S301：對文本數據的分句分詞信息中各句段包含的每個特征詞分別采用Bert模型進行詞嵌入編碼，得到每個特征詞的1×B維的單詞編碼向量，B為Bert模型進行詞嵌入編碼的編碼維度尺寸；

S302：對于單個文本數據，通過concat方法將文本數據的分句分詞信息中各句段所包含的特征詞的單詞編碼向量進行拼接融合，得到文本數據的維的詞編碼向量，作為文本數據的特征表征向量；其中，m_w表示對文本數據分句獲得的句段數，n_w,i表示文本數據的第i個句段包含的特征詞數。

5.根據權利要求2所述的大型旋轉機械多源異構數據特征提取方法，其特征在于，所述步驟S4具體包括：

S401：對表格數據的每個單元格的分句分詞信息中各句段包含的每個特征詞分別采用Bert模型進行詞嵌入編碼，得到每個特征詞的1×B維的單詞編碼向量，B為Bert模型進行詞嵌入編碼的編碼維度尺寸；

S402：對于表格數據中的單個單元格，通過concat方法將單元格的分句分詞信息中各句段所包含的特征詞的單詞編碼向量進行拼接融合，得到單元格的維的詞編碼向量；其中，m_c表示對單個單元格中文本信息分句獲得的句段數，n_c,i表示單個單元格中的文本信息的第i個句段包含的特征詞數；

S403：對于表格數據包含的N個元組×M個字段屬性的各個單元格，先通過concat方法將同元組中M個不同字段屬性的單元格的詞編碼向量進行拼接融合，得到維的元組編碼向量；再以元組為單位，將表格數據包含的N個不同元組的元組編碼向量進行拼接融合，得到表格數據的維的編碼向量矩陣，作為表格數據的特征表征向量。