[发明专利]基于进化神经网络的设备故障辨识方法及系统

说明书

本发明公开了一种基于进化神经网络的设备故障辨识方法及系统，所述方法包括：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；根据电机设备故障辨识模型对电机设备的故障状态进行辨识。本发明通过对振动原始数据进行特征提取和分析，构造出样本特征，作为进化神经网络的输入，在进化神经网络中，使用自适应遗传算法对网络连接权重进行优化，可以提高故障辨识的准确率，将进化神经网络与常规神经网络进行对比测试，进化神经网络的故障辨识准确率平均高出3.9％。

技术领域

本发明涉及故障辨识技术领域，尤其涉及一种基于进化神经网络的设备故障辨识方法及系统。

背景技术

旋转设备是烟草行业卷包生产线乃至其他生产领域的关键辅助设备之一，其平稳运行将直接影响整个生产线的效能，所以针对旋转设备尤其是电机的故障辨识对生产保障具有极其重要的意义。

目前的电机故障辨识方法主要有：基于谱峭度的电机故障辨识方法、小波降噪方法、计及漏报率的随机森林集成投票方法、基于异类信息特征融合的故障辨识方法，其中，基于谱峭度的电机故障辨识方法结合了Hilbert包络解调，突出和分离了故障特征信息，最后通过频谱分析可以对故障种类进行快速识别；小波降噪方法把小波降噪和Hilbert变换用在轴承故障辨识中；计及漏报率的随机森林集成投票方法也同样用以轴承的故障辨识；基于异类信息特征融合的故障辨识方法是针对电机单一故障信号的局限性和故障特征存在较强非线性关系的特点而提出的。上述方法虽然在一定程度上能对故障信息作出有效辨识，但自适应性却不足，且过分依赖人为调控。

因此，亟需一种基于进化神经网络的设备故障辨识方法及系统。

发明内容

本发明的目的是提供一种基于进化神经网络的设备故障辨识方法及系统，以解决上述现有技术中的问题，在进化神经网络中，使用自适应遗传算法对网络连接权重进行优化，可以提高故障辨识的准确率。

本发明提供了一种基于进化神经网络的设备故障辨识方法，其中，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。

如上所述的基于进化神经网络的设备故障辨识方法，其中，优选的是，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。

如上所述的基于进化神经网络的设备故障辨识方法，其中，优选的是，

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：