[发明专利]机械健康状态监测方法及装置

权利要求书

1.一种机械健康状态监测方法，其特征在于，包括如下步骤：

建立对抗表示学习网络，所述对抗表示学习网络包括用于将输入信号映射为第一隐空间编码的第一编码器子网络、用于将所述第一隐空间编码重构至信号空间的解码器子网络和用于将所述信号空间中的重构信号映射为第二隐空间编码的第二编码器子网络；

将健康机械运行信号的特征数据作为网络训练数据对所述对抗表示学习网络进行对抗学习训练，当所述对抗学习训练达到预设收敛条件后，将所述第一隐空间编码与所述第二隐空间编码的相对误差作为机械损伤指标，得到机械健康状态监测网络；

将实时采集的目标机械的运行信号，经过预处理后输入至所述机械健康状态监测网络，得到所述目标机械的机械损伤指标；

基于预设机械损伤指标阈值，根据所述目标机械的机械损伤指标确定所述目标机械的机械健康状态的监测结果。

2.根据权利要求1所述的机械健康状态监测方法，其特征在于，所述对抗表示学习网络还包括用于根据所述第二隐空间编码生成均匀分布随机变量的判别器子网络。

3.根据权利要求2所述的机械健康状态监测方法，其特征在于，所述预设收敛条件为：

使所述特征数据中的健康机械的运行信号与所述信号空间中的重构信号之间的差异、所述第一隐空间编码与所述第二隐空间编码之间的差异、所述第二隐空间编码与所述均匀分布随机变量之间的差异达到最小化，以使所述第一编码器子网络、所述解码器子网络、所述第二编码器子网络和所述判别器子网络的参数收敛至稳定状态。

4.根据权利要求2所述的机械健康状态监测方法，其特征在于，所述第一编码器子网络、所述解码器子网络、所述第二编码器子网络和所述判别器子网络均由卷积层、全连接层和归一化层连接而成。

5.根据权利要求4所述的机械健康状态监测方法，其特征在于，在所述建立对抗表示学习网络的过程中，

所述第一编码器子网络和所述解码器子网络中的相同层级的特征图沿着特征方向进行拼接，将拼接后的特征图作为所述解码器子网络中对应层级的特征图，以使所述第一编码器子网络中的特征图在所述解码器子网络的特征图中得以共享。

6.根据权利要求1所述的机械健康状态监测方法，其特征在于，所述健康机械运行信号的特征数据的获取方法包括：

通过传感器采集机械在健康状态下的原始运行信号x_r；

利用离散傅里叶变换将所述原始运行信号x_r转换到频域，得到所述机械在健康状态下的原始运行信号的频谱s＝DFT(x_r)；其中，DFT()为离散傅里叶变换；

对所述频谱进行归一化处理，使得到的运行信号幅值均位于[0,1]的范围内，得到所述健康机械运行信号的特征数据；其中，所述归一化处理的过程表示为：

其中，

s_max是s中幅值最大的元素，s_min是s中幅值最小的元素，x是特征数据。

7.根据权利要求6所述的机械健康状态监测方法，其特征在于，所述机械在健康状态下的原始运行信号x_r为振动信号、电流信号、声信号中的任意一种信号。

8.根据权利要求1所述的机械健康状态监测方法，其特征在于，所述将实时采集的目标机械的运行信号，经过预处理后输入至所述机械健康状态监测网络，得到所述目标机械的机械损伤指标包括：

通过传感器实时采集目标机械的运行信号x_t；

利用离散傅里叶变换将所述目标机械的运行信号x_t转换到频域，得到所述目标机械的运行信号的频谱s＝DFT(x_t)，其中DFT()是离散傅里叶变换；

对所述目标机械的运行信号的频谱进行归一化处理，使得到的运行信号幅值均位于[0,1]的范围内，得到预处理后的目标机械的运行信号特征数据；

将所述目标机械的运行信号特征数据输入至所述机械健康状态监测网络，得到所述目标机械的机械损伤指标。