[發明專利]一種分布式多源傳感的設備狀態智能診斷方法在審
| 申請號: | 202211433892.5 | 申請日: | 2022-11-16 |
| 公開(公告)號: | CN115659280A | 公開(公告)日: | 2023-01-31 |
| 發明(設計)人: | 劉富檣;鄧文龍;蒲華燕;羅均;秦毅;陳銳;皮陽軍;劉飛;徐浪 | 申請(專利權)人: | 重慶大學 |
| 主分類號: | G06F18/25 | 分類號: | G06F18/25;G06F18/241;G06F18/10;G06V10/40;G06V10/82;G06F30/20;G06N3/0464;G06N3/048;G06N3/088 |
| 代理公司: | 北京鼎德寶專利代理事務所(特殊普通合伙) 11823 | 代理人: | 傅小強 |
| 地址: | 400044 *** | 國省代碼: | 重慶;50 |
| 權利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關鍵詞: | 一種 分布式 傳感 設備 狀態 智能 診斷 方法 | ||
1.一種分布式多源傳感的設備狀態智能診斷方法,其特征在于,包括以下步驟:
步驟1:根據機械設備的運動學關系、動力學模型和優化目標,對多種多個接觸式傳感器進行分布式優化布局,獲取分布式多源傳感反饋數據;
步驟2:面向設備運動的外部表征,布置移動式動態圖像采集及分析系統,以實施基于圖像的非接觸式設備狀態提取;
步驟3:以步驟1中的所述分布式多源傳感反饋數據為輸入,采用數據融合機制獲得時頻域標準型預處理特征數據;
步驟4:以步驟2中提取的非接觸式圖片數據為輸入,采用圖像分析系統實現關鍵節點特征提取;
步驟5:以步驟3中提取的特征數據為網絡模型輸入,采用深度卷積對抗域自適應神經網絡模型,獲得分布式多源接觸式設備狀態智能診斷結果;
步驟6:以步驟4中提取的關鍵節點圖像特征為模型輸入,采用圖卷積神經網絡模型,獲得機械設備的狀態智能診斷;
步驟7:基于步驟5和步驟6的智能診斷結果,采用專家模糊融合技術,獲得設備的運行狀態、異常情況的分類及定位,并實現設備的壽命預測。
2.根據權利要求1所述的分布式多源傳感的設備狀態智能診斷方法,其特征在于:采用的接觸式傳感器的分布式布局,根據機械設備的運動學關系、動力學模型,在設備的驅動裝置、執行元件、承載構件和傳動部件上布置振動、加速度和應變傳感器;對各電驅動執行元件,采用電壓與電流傳感模塊建立電信號檢測通道。
3.根據權利要求2所述的分布式多源傳感的設備狀態智能診斷方法,其特征在于:采用分布式多源傳感優化布局,對各基本單元建立適應單元形狀與受力特性的直角坐標系或圓柱坐標系,構建傳感器在單元表面分布的目標函數,采用梯度下降法解算覆蓋基本單元表面的傳感器分布式布局的最佳位置和數量;對無法求解的單元,以奇數個傳感器進行中心對稱式布局。
4.根據權利要求1所述的分布式多源傳感的設備狀態智能診斷方法,其特征在于:采用系留式移動平臺布置非接觸式圖像采集系統,其中系留式移動平臺包括但不限于多旋翼無人機;面向設備的空間布局和各基本單元運動的外部表征,設置多個圖像采集點,采用A*算法建立最優運動路徑。
5.根據權利要求1所述的分布式多源傳感的設備狀態智能診斷方法,其特征在于:采用接觸式多源傳感數據融合,對于接觸式傳感器采集的原始數據,采用快速傅里葉變換和經典模態分解實現信號的特征提取;通過多尺度融合機制將提取的信號特征和原始信號組成三通道數據,實現接觸式多源傳感分布式檢測數據融合。
6.根據權利要求1所述的分布式多源傳感的設備狀態智能診斷方法,其特征在于:采用圖像分析系統獲取關鍵節點特征,對于非接觸式采集的圖像數據,通過分割、去噪、增強與灰度處理等圖像處理技術提取給定采集點的圖像特征,并對提取的基本單元外部表征進行標記。
該專利技術資料僅供研究查看技術是否侵權等信息,商用須獲得專利權人授權。該專利全部權利屬于重慶大學,未經重慶大學許可,擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作,請聯系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/202211433892.5/1.html,轉載請聲明來源鉆瓜專利網。
- 上一篇:一種三爪式輪胎拆裝屬具及其使用方法
- 下一篇:擦膠機構





