[發(fā)明專利]一種工程機械設(shè)備狀態(tài)智能診斷系統(tǒng)

在審

• 申請?zhí)枺?/td>: 202310551601.0
• 申請日: 2023-05-17
• 公開（公告）號: CN116595350A
• 公開（公告）日: 2023-08-15
• 發(fā)明（設(shè)計）人: 李旸;徐惠;郭益群;邵航
• 申請（專利權(quán)）人: 南京云祥網(wǎng)絡(luò)科技有限公司
• 主分類號: G06F18/213
• 分類號: G06F18/213;G01M99/00;G06F18/214;G06F18/24;G06N3/0464;G06N3/048;G06N3/084
• 代理公司: 西安百鼎知識產(chǎn)權(quán)代理事務(wù)所(普通合伙) 61295
• 代理人: 戴廣達

1.一種工程機械設(shè)備狀態(tài)智能診斷系統(tǒng)，其特征在于，包括：

數(shù)據(jù)采集單元，用于采集工程機械設(shè)備的傳感器實時數(shù)據(jù)，包括機器的工作狀態(tài)、運行參數(shù)、維護記錄，還采集人工或相機設(shè)備拍攝的故障圖片；

數(shù)據(jù)處理單元，用于將采集到的數(shù)據(jù)進行降噪、特征提取處理以及分類處理，分類處理包括將數(shù)據(jù)分為數(shù)字數(shù)據(jù)和圖片數(shù)據(jù)；

故障診斷單元，包括預(yù)先建立的故障診斷模型，所述故障診斷模型為基于神經(jīng)網(wǎng)絡(luò)的深度學(xué)習(xí)模型，用于將處理后的數(shù)據(jù)進行診斷，判斷發(fā)生故障可能的原因并輸出診斷結(jié)果，所述故障診斷單元還包括訓(xùn)練模型和評估模型，用于對所述故障診斷模型進行深度訓(xùn)練；

實時預(yù)警單元，用于在所述故障診斷單元輸出診斷結(jié)果為故障時即使發(fā)出預(yù)警提示。

2.根據(jù)權(quán)利要求1所述的一種工程機械設(shè)備狀態(tài)智能診斷系統(tǒng)，其特征在于，所述故障診斷模型包括圖片診斷模型和數(shù)字診斷模型，所述圖片診斷模型用于輸入圖片數(shù)據(jù)后輸出診斷結(jié)果，數(shù)字診斷模型用于輸入數(shù)字數(shù)據(jù)后輸出診斷結(jié)果。

3.根據(jù)權(quán)利要求2所述的一種工程機械設(shè)備狀態(tài)智能診斷系統(tǒng)，其特征在于，所述圖片診斷模型包括目標(biāo)檢測模型和分割模型，使用時，輸入的圖片數(shù)據(jù)經(jīng)過目標(biāo)檢測模型框選出故障目標(biāo)位置，將所述框選出的故障目標(biāo)位置輸入到分割模型中分割出故障類型和故障程度，最終輸出為診斷結(jié)果。

4.根據(jù)權(quán)利要求2所述的一種工程機械設(shè)備狀態(tài)智能診斷系統(tǒng)，其特征在于，所述數(shù)字診斷模型包括規(guī)則模型和統(tǒng)計模型，使用時，輸入的數(shù)字數(shù)據(jù)分別進入規(guī)則模型和統(tǒng)計模型，規(guī)則模型根據(jù)數(shù)字數(shù)據(jù)中規(guī)律匹配規(guī)則庫中的故障規(guī)則，輸出診斷結(jié)果，統(tǒng)計模型根據(jù)數(shù)字數(shù)據(jù)中參數(shù)值預(yù)測故障概率，輸出診斷結(jié)果。

5.根據(jù)權(quán)利要求1-4任一項所述的一種工程機械設(shè)備狀態(tài)智能診斷系統(tǒng)，其特征在于，所述故障診斷模型的建立方法包括：

設(shè)置神經(jīng)網(wǎng)絡(luò)層數(shù)，并對每層的神經(jīng)元數(shù)量進行確定，形成多層卷積神經(jīng)網(wǎng)絡(luò)；

選擇sigmoid函數(shù)作為神經(jīng)元的非線性變換函數(shù)；

確定交叉熵損失函數(shù)和SGD優(yōu)化器；

將訓(xùn)練模型中的數(shù)據(jù)輸入到建立好的故障診斷模型進行訓(xùn)練，得到訓(xùn)練后的故障診斷模型。

6.根據(jù)權(quán)利要求1-4任一項所述的一種工程機械設(shè)備狀態(tài)智能診斷系統(tǒng)，其特征在于，所述訓(xùn)練模型和評估模型對所述故障診斷模型進行深度訓(xùn)練的方法包括：

訓(xùn)練模型將訓(xùn)練數(shù)據(jù)輸入故障診斷模型，通過前向傳播計算出模型的輸出結(jié)果，再通過反向傳播算法更新網(wǎng)絡(luò)參數(shù)；

故障診斷模型將更新后的網(wǎng)絡(luò)參數(shù)輸入到評估模型中進行評估，選擇準(zhǔn)確率作為評估指標(biāo)，若準(zhǔn)確率低于理想值，則選擇增加神經(jīng)網(wǎng)絡(luò)層數(shù)或改變激活函數(shù)；

重復(fù)訓(xùn)練模型的訓(xùn)練，值到達到理想值。

7.根據(jù)權(quán)利要求6所述的一種工程機械設(shè)備狀態(tài)智能診斷系統(tǒng)，其特征在于，所述訓(xùn)練模型輸入的訓(xùn)練數(shù)據(jù)還可通過數(shù)據(jù)合成模塊，將普通的數(shù)字數(shù)據(jù)或者圖片數(shù)據(jù)進行合成，合成結(jié)果作為訓(xùn)練數(shù)據(jù)輸入到故障診斷模型中進行訓(xùn)練。

8.根據(jù)權(quán)利要求1所述的一種工程機械設(shè)備狀態(tài)智能診斷系統(tǒng)，其特征在于，所述數(shù)據(jù)處理單元在特征提取處理時還可增加深度學(xué)習(xí)模型，用于通過深度學(xué)習(xí)模型對特征提取處理進行提取優(yōu)化。