[发明专利]基于迁移学习与多源信息融合的磨损状态在线监测方法及系统

说明书

本发明提供了一种基于迁移学习与多源信息融合的磨损状态在线监测方法及系统，包括：在摩擦磨损试验和在船装备状态下，对待监测摩擦副分别进行数据采集；对待监测摩擦副数据进行特征提取；基于提取的特征通过迁移学习进行特征迁移最终得到成功迁移特征；利用成功迁移特征训练随机森林模型，利用训练后的随机森林模型进行磨损状态监测；本发明能够实现对船舶和航空航天领域的动力装置轴系、齿轮箱中易磨损的部件进行磨损状态的在线监测，所采用的迁移学习与多源信息融合方法降低了对收集信号质量要求，提高了磨损状态监测鲁棒性，从而提高系统的适用范围。

技术领域

本发明涉及摩擦磨损测试研究技术领域，具体地，涉及基于迁移学习与多源信息融合的磨损状态在线监测方法及系统。

背景技术

磨损状态检测方法主要有直接测量方法和间接测量方法。直接测量法包括放射性元素法、电阻测量法、显微镜测量法和机器视觉法等。间接预测法即通过安装传感器收集加工过程中的一些信号，然后根据信号特征推断摩擦副的磨损状态的方法，包括基于物理模型的预测方法与基于数据驱动的预测方法。目前的主流方法是机器视觉法和基于数据驱动的预测方法。机器视觉法准确性强，但由于摩擦副高速工作，摩擦副所处空间狭小环境苛刻导致相机难以捕捉具有清晰边缘的画面甚至相机无法以合适角度布置拍摄摩擦副，所以机器视觉法常用于实验室条件下研究，基于数据驱动的预测方法并非直接测量磨损量，准确性弱，但多源信号数据易于获取，传感器易于布置，适合于生产应用中实时磨损状态监测。

以船舶为例，船舶在水路运输、海洋开发和捍卫国家海权中具有重要作用，其中动力系统是船舶“心脏”，动力系统的安全性和可靠性直接影响船舶的安全航行。船舶动力系统故障发生率如表1所示(李伟峰,王磊.船舶机械设备的常见故障及状态监测与诊断技术研究自动化与仪器仪表,2018,No.224(06):32-34.）动力装置的发生故障的主因有损耗过度、风蚀、机器变形、腐蚀、电路短路、油液渗透、部件镶嵌错位、松弛、燃油质量不过关等等,其中磨损故障所占的比率最高，约37.5%（刘学坤. 基于支持向量机和油液检测的船舶柴油机故障诊断研究大连海事大学,2013.），因此有必要实现对磨损状态的在线监测。除船舶动力系统外，磨损状态在线检测技术还可用于航空航天装备、工程作业机械等大型动力机械等对象,为交通与能源设备的现代化管理提供有效的技术手段,具有明显的市场竞争力和推广前景。

专利文献CN102980765B（申请号：20121053243.8）公开了一种船舶轴系综合实验平台，用于研究船舶推进轴系在无极变化的螺旋桨激励力的作用下轴系后尾轴的润滑特性，可以测量外加载荷、轴承支承力、轴功率、轴系振动和后尾轴承润滑状态数据，但是并没有明确监测控制单元的组成，且没有提及对监测数据的处理，本发明针对磨损状态在线监测难题，提出的方法及系统可以布置于实验平台中和船舶和其他器械的动力装置中，进一步完善了技术实现细节。

专利文献CN111230159B（申请号：202010135443.7）公开了一种多传感器融合的车刀状态监测方法及系统，采集车刀工作过程中的声发射信号和电流信号对刀具磨损状态进行监测，但是其磨损判定方法为将信号数值与阈值或比较，对信号数据信息利用不充分，本发明提取力/力矩信号、声发射信号和振动信号多种信号的最大值、最小值、均值、中位数、标准差、均方根、偏度、峭度、波形因子、峰值因子、脉冲因子和裕度因子共12项数据特征，并在后期使用皮尔逊相关性分析来进行特征的初步选择与特征迁移计算对应特征之间的最大均值差异进行特征的再次选择更好地利用了信号数据。

专利文献CN110728667B（申请号为：201910951668.7）公开了一种基于灰度图像概率的刀具磨损量自动精确测量方法，建立了刀具磨损边界的似然函数和原始边界的先验概率模型，通过最大化刀具原始边界的后验概率重建缺失的原始边界，但是其重建的边界并没有进行边缘修补，边缘存在断点和离群点不利于后续基于图像处理的磨损判断，本发明提出基于Canny算法提取边缘，在扫描过程中，对于每个当前像素点，对其右侧拟边缘点以一定的斜率进行三角形查找，找到最近的拟边缘点，将其相连进行边缘修补。