[发明专利]旋转机械耦合故障的检测方法及监测系统

摘要

本发明涉及一种旋转机械耦合故障的检测方法及监测系统，所述检测方法的步骤为：利用旋转机械在正常工况和故障工况下采集的振动信号数据作为训练数据集，建立深度卷积神经网络模型，将振动数据直接作为输入，引入自归一化策略将神经元激活值标准化，对深度卷积神经网络模型参数进行训练，并保存训练后的参数数据，采集实时工况下的数据作为测试数据，通过深度卷积神经网络模型实现故障检测。本发明无需工业过程精确的数学模型，便于实际应用；同时实现了故障检测和故障工况的类别区分，能够有效监测出产生机械损坏的具体部件，检测准确率高。

主权项

1.一种旋转机械耦合故障的检测方法，其特征在于，含有以下步骤：(一)采集工业过程正常工况下与发生耦合故障下的多段传感器测量数据作为训练数据，并建立训练数据集；(二)建立深度卷积神经网络模型，该模型设有十二层隐含层，采用五层卷积层、五层降采样池化层与两层全连接层组成模型框架，卷积层与降采样池化层交替设置，全连接层在深度卷积神经网络模型的后置位；(三)将训练数据集输入到深度卷积神经网络模型中，对神经元激活值进行自归一化操作，进行梯度反向传播训练，更新深度卷积神经网络模型各网络层的权重矩阵参数和偏重矩阵参数；(四)存储深度卷积神经网络模型训练后各网络层的权重参数矩阵和偏重参数矩阵；(五)采集在线传感器数据，利用深度卷积神经网络模型对采集的在线传感器数据进行故障所属类型检测，根据故障所属类型判断是否有故障发生。