[发明专利]泵阀故障诊断方法和装置在审
| 申请号: | 202211284462.1 | 申请日: | 2022-10-17 |
| 公开(公告)号: | CN115545081A | 公开(公告)日: | 2022-12-30 |
| 发明(设计)人: | 赖岳华;李然;刘波;刘明亮;陈荣明 | 申请(专利权)人: | 北京天玛智控科技股份有限公司;北京煤科天玛自动化科技有限公司 |
| 主分类号: | G06K9/00 | 分类号: | G06K9/00;G06K9/62;G06N3/04;G06N3/08 |
| 代理公司: | 北京清亦华知识产权代理事务所(普通合伙) 11201 | 代理人: | 张润 |
| 地址: | 101320 北京市顺义*** | 国省代码: | 北京;11 |
| 权利要求书: | 查看更多 | 说明书: | 查看更多 |
| 摘要: | |||
| 搜索关键词: | 故障诊断 方法 装置 | ||
1.一种泵阀故障诊断方法,其特征在于,所述方法包括:
获取所述泵阀的整周期信号样本以及所述整周期信号样本对应的泵阀状态标签,并对所述整周期信号样本进行信号变换,以得到所述整周期信号样本对应的信号频谱;
将所述信号频谱输入到条件变分自编码器中,以得到所述信号频谱对应的特征分布和预测状态标签;
根据所述泵阀状态标签与所述预测状态标签的差异性以及所述特征分布与预设数据分布的差异性,对所述条件变分自编码器进行训练,确定所述条件变分自编码器的模型参数;
基于所述条件变分自编码器中解码器的模型参数,构建所述解码器模型,并将所述解码器模型作为所述泵阀的故障诊断模型;
将所述泵阀的实时整周期信号样本对应的实时信号频谱以及所述特征分布合并后输入到所述故障诊断模型,以得到所述泵阀的实时状态预测标签;
根据所述泵阀的实时状态预测标签,确定所述泵阀是否故障。
2.根据权利要求1所述的方法,其特征在于,所述获取所述泵阀的整周期信号样本以及所述整周期信号样本对应的泵阀状态标签,并对所述整周期信号样本进行快速傅里叶变换,以得到所述整周期信号样本对应的信号频谱,包括:
获取所述泵阀对应的振动信号,以及所述泵阀对应曲轴的键相信号;
对所述振动信号和所述键相信号进行加窗处理,以得到泵阀的整周期信号样本;
对所述整周期信号样本对应的泵阀状态进行状态标注,以得到泵阀的泵阀状态标签;
对所述整周期信号样本进行快速傅里叶变换,以得到所述整周期信号样本对应的初始信号频谱;
对所述初始信号频谱进行归一化处理,以得到归一化的信号频谱。
3.根据权利要求1所述的方法,其特征在于,所述条件变分自编码器包括编码器、潜在特征空间表示层和解码器,将所述信号频谱输入到条件变分自编码器中,以得到所述信号频谱对应的特征分布和预测状态标签,包括:
将所述信号频谱输入到所述编码器中,以得到所述信号频谱对应的特征向量;
将所述特征向量输入到所述潜在特征空间表示层,以采样出所述特征向量对应的特征分布;
将所述特征分布和所述信号频谱输入所述解码器中,以得到所述信号频谱对应的预测状态标签。
4.根据权利要求3所述的方法,其特征在于,所述将所述特征向量输入到所述潜在特征空间表示层,以采样所述特征向量对应的特征分布,包括:
将所述特征向量输入到所述潜在特征空间表示层,以得到所述特征向量的均值以及方差;
对所述均值以及方差进行随机分布采样,以得到所述特征向量对应的特征分布。
5.根据权利要求1所述的方法,其特征在于,所述根据所述泵阀状态标签与所述预测状态标签的差异性以及所述特征分布与预设数据分布的差异性,对所述条件变分自编码器进行训练,确定所述条件变分自编码器的模型参数,包括:
根据所述泵阀状态标签作为所述条件变分自编码器的输入,所述预测状态标签作为所述条件变分自编码器的输出,以生成条件变分自编码器的初始模型;
基于所述泵阀状态标签与所述预测状态标签的差异性以及所述特征分布与预设数据分布的差异性,对所述初始模型进行训练,直至所述初始模型满足预设的终止准则,以得到所述条件变分自编码器的目标模型;
将所述目标模型中的目标模型参数作为所述条件变分自编码器的模型参数。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于北京天玛智控科技股份有限公司;北京煤科天玛自动化科技有限公司,未经北京天玛智控科技股份有限公司;北京煤科天玛自动化科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202211284462.1/1.html,转载请声明来源钻瓜专利网。





