[發明專利]一種基于數字孿生和遷移學習的氣缸泄露故障診斷方法

在審

• 申請號: 202211016143.2
• 申請日: 2022-08-24
• 公開（公告）號: CN115481655A
• 公開（公告）日: 2022-12-16
• 發明（設計）人: 林杰威;裴國斌;張俊紅;朱小龍;戴胡偉
• 申請（專利權）人: 天津大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06N3/04;G06N3/08;G06F30/27
• 代理公司: 天津垠坤知識產權代理有限公司 12248
• 代理人: 秦偉華

1.一種基于數字孿生和遷移學習的氣缸泄露故障診斷方法，其特征在于，包括以下步驟：

S1、基于虛擬仿真數據構建大型源域數據集，采用監督式深度神經網絡訓練方法，對模型進行充分預訓練，預訓練好的模型其各層參數獲得了源域數據集的診斷知識；

S2、利用深度神經網絡學習的特征在底層更通用，而在高層更加具體這一特點，通過固定預訓練網絡的底層參數，同時利用少量目標域訓練樣本對高層參數進行微調的方法，進行模型遷移，獲得最終適用于目標域的診斷模型。

2.根據權利要求1所述的一種基于數字孿生和遷移學習的氣缸泄露故障診斷方法，其特征在于，還包括建立活塞缸套系統高保真數字孿生模型，所述活塞缸套系統高保真數字孿生模型的數據采集通過柴油機活塞環、缸套磨損的故障模擬試驗獲得，所述活塞缸套系統高保真數字孿生模型的建立包括信號處理步驟、特征提取步驟、模式識別步驟。

3.根據權利要求2所述的一種基于數字孿生和遷移學習的氣缸泄露故障診斷方法，其特征在于，所述柴油機活塞環、缸套磨損的故障模擬試驗操作步驟如下：

S31、設置柴油機工況為經濟轉速，75％負載并在整機布置振動傳感器和麥克風；

S32、分別采集正常狀態、活塞環磨損以及缸套磨損狀態下的整機振動噪聲信號；

所述經濟轉速為1200r/min。

4.根據權利要求3所述的一種基于數字孿生和遷移學習的氣缸泄露故障診斷方法，其特征在于，所述信號處理步驟包括：測量振動信號并進行模態分析，能較好地對柴油機配氣機構進行故障診斷；所述特征提取步驟包括：對柴油機進行活塞磨損和缸套磨損等故障模擬試驗研究，測量機身振動信號，提取故障特征參數，獲取各振動特征參數與故障程度間的關系,從機身振動信號中提取振動加速度總振級和功率譜的高低頻能量比,來診斷氣缸與活塞故障。

5.根據權利要求4所述的一種基于數字孿生和遷移學習的氣缸泄露故障診斷方法，其特征在于，所述活塞缸套系統高保真數字孿生模型的建立過程中的數據采集步驟如下：

S41、通過柴油機活塞環、缸套磨損的故障模擬試驗獲得多種活塞故障下的振動信號數據；

S42、將步驟S41中獲得的振動信號數據帶入數字孿生模型中，進行模型仿真并得出仿真結果，再將仿真結果與步驟S41中的活塞故障進行一致性檢驗，如果結果不一致，則進行模型修正，直到仿真結果與步驟S41中的活塞故障保持一致。

6.根據權利要求5所述的一種基于數字孿生和遷移學習的氣缸泄露故障診斷方法，其特征在于，所述振動信號包括噪音特性和振動特性。

7.根據權利要求6所述的一種基于數字孿生和遷移學習的氣缸泄露故障診斷方法，其特征在于，所述活塞缸套系統高保真數字孿生模型包括數據模型更新機制。