[发明专利]基于进化神经网络的设备故障辨识方法及系统

权利要求书

1.一种基于进化神经网络的设备故障辨识方法，其特征在于，包括：

对振动原始数据进行预处理，以构造出能反映设备各个故障状态的样本特征；

以所述样本特征为输入，以故障状态为输出，建立基于自适应遗传算法优化神经元连接权重的进化神经网络；

采用所述进化神经网络对模型进行训练，以得到电机设备故障辨识模型；

根据所述电机设备故障辨识模型对卷包生产线的电机设备的故障状态进行辨识。

2.根据权利要求1所述的基于进化神经网络的设备故障辨识方法，其特征在于，所述对振动原始数据进行预处理，以构造出能反映设备各个故障状态的样本特征，具体包括：

提取振动原始数据的特征参数集，其中，所述振动原始数据包括传感器信号；

对所述振动原始数据的所述特征参数集计算斯皮尔曼等级相关系数；

基于所述斯皮尔曼等级相关系数计算t分布的值；

根据显著水平为0.05时的t分布确定所述特征参数集中的各特征参数，由各所述特征参数构成能反映设备各个故障状态的样本特征，

其中，所述提取振动原始数据的特征参数集，具体包括：

分别提取所述振动原始数据中的时域特征参数集和频域特征参数集，其中，所述时域特征参数集包括有量纲时域特征参数集和无量纲时域特征参数集。

3.根据权利要求1所述的基于进化神经网络的设备故障辨识方法，其特征在于，所述以所述样本特征为输入，以故障状态为输出，建立基于自适应遗传算法优化神经元连接权重的进化神经网络，具体包括：

确定进化神经网络的网络结构；

确定进化神经网络的网络参数；

确定进化神经网络的自适应遗传算法的参数。

4.根据权利要求3所述的基于进化神经网络的设备故障辨识方法，其特征在于，所述确定进化神经网络的网络结构，具体包括：

确定进化神经网络的网络结构为三层结构的BP神经网络，所述三层结构分别为输入层、输出层和一个隐藏层；

所述确定进化神经网络的网络参数，具体包括：

确定进化神经网络的隐藏层节点数目；

确定进化神经网络的激活函数；

确定进化神经网络的学习率。

5.根据权利要求4所述的基于进化神经网络的设备故障辨识方法，其特征在于，通过以下公式确定进化神经网络的隐藏层节点数目，

其中，N_s为训练集的样本数目，α为常数，通常取值在2到10之间，N_i为输入节点个数，取值为12，N₀为输出节点个数，即为故障数目；

所述确定进化神经网络的激活函数，具体包括：

选择sigmoid函数作为进化神经网络的隐藏层和输出层的激活函数，并采用截断正态分布对神经元连接权重进行初始化；

所述确定进化神经网络的学习率，具体包括：

通过以下公式对学习率进行动态调整：

η＝η₀e^-kt (2)

其中，η₀为初始学习率设为0.1，k为衰减指数设为0.1，t为迭代次数。

6.根据权利要求3所述的基于进化神经网络的设备故障辨识方法，其特征在于，所述确定进化神经网络的自适应遗传算法的参数，具体包括：

确定自适应遗传算法的编码规则；

对自适应遗传算法中的种群个体进行初始化；

确定自适应遗传算法的适应度函数；

确定自适应遗传算法的选择算子；

确定自适应遗传算法的交叉算子；

确定自适应遗传算法的变异算子。