申请/专利权人：江苏科技大学

申请日：2021-08-26

公开（公告）日：2022-10-18

公开（公告）号：CN113530850B

主分类号：F04D15/00

分类号：F04D15/00;G06K9/00;G06K9/62;G06N3/04;G06N3/08;G06V10/74;G06V10/764;G06V10/77;G06V10/774;G06V10/82

优先权：

专利状态码：有效-授权

法律状态：2022.10.18#授权;2021.11.09#实质审查的生效;2021.10.22#公开

摘要：本发明是一种基于ESA和堆叠胶囊自编码器的离心泵故障诊断方法，首先对包含扬程、入口流速、电机转矩等离心泵故障数据使用电特征分析技术选取电信号作为故障参数，使用PCA得到贡献率最大的故障参数为电机转矩，验证ESA选择的正确性；其次，将六种故障的电机转矩数据转化为灰度图像，作为故障诊断的输入数据；然后，建立堆叠胶囊自编码器故障诊断模型，采用基于自注意力的池化来降低胶囊数量，提升计算速度，以最大化图像与部分似然性为目标，训练堆叠胶囊自编码器。最后，使用测试集验证故障诊断模型准确性。本发明解决了离心泵故障诊断中故障信号传感器安装复杂、泛化性差等问题，提高了离心泵故障诊断的鲁棒性和精确度。

主权项：1.一种基于ESA和堆叠胶囊自编码器的离心泵故障诊断方法，其特征在于：所述离心泵故障诊断方法包括如下步骤：步骤1：数据的选择与处理：使用电特征分析技术ESA选择电信号作为故障诊断输入数据并归一化处理，采用主元分析PCA分析不同故障信号在故障诊断中的贡献率，证实电特征分析技术ESA选择的正确性，将选择的故障信号转为灰度图像；步骤2：建立和训练堆叠胶囊自编码器模型的PCAE：将步骤1中的灰度图像训练集数据提取像素后输入PCAE；步骤3：建立和训练堆叠胶囊自编码器模型的OCAE：将训练完成的PCAE提取的特征图输入OCAE进行分类；步骤4：使用测试集验证故障诊断模型准确性；其中：所述步骤2具体包括如下步骤：步骤2.1：将图像像素输入PCAE的CNN编码器，编码器将图像划分为部分并推断不同部分的特征图，将CNN编码器提取出的特征图输入基于自注意力池化的全局平均池，降低划分的部分胶囊数量，将池化层输出输入全连接层，根据部分胶囊存在概率dm判定该部分胶囊是否存在，若部分胶囊被判定存在，则使用PCAE的仿射变换解码器将部分胶囊变换到图像的模板Tm， 其中，为仿射变换后的模板；步骤2.2：部分胶囊图像全部变换完成后，使用dm和预测模板之间的混合概率： 其中，为图像模板的混合概率，使其得到最优的划分部分与推断特征图的性能；所述步骤2.1中的所述特征图包括一个六维姿势xm、一个部分胶囊存在概率dm∈[0,1]和一个表示部分遮挡关系和部分颜色的特殊标识zm∈R，表示为：x1:M,d1:M,z1:M＝hency其中，hency为CNN编码器；所述步骤2.2中，计算重构混合图像与原始图像的似然性的目标函数为： 其中，y是原始图像，为混合概率，为仿射变换到模板的新部分，cm为预测部分的颜色；所述步骤3具体包括如下步骤：步骤3.1：将训练完成的PCAE提取的特征图输入OCAE的基于自下而上注意力机制的SetTransfer编码器，根据输出稀疏激活少量对象胶囊：OV1:K,c1:K,a1:K＝hcapsx1:M其中，编码器输出的OV1:K是对象胶囊-观众仿射矩阵，c1:K是输出的特征向量，a1:K是不同对象胶囊的存在概率，hcaps是SetTransfer编码器；步骤3.2：根据a1:K稀疏激活少量对象胶囊，对象胶囊使用多层感知器解码器从c1:K中预测出n个候选部分以及它们的参数： 其中，解码器输出的OPk,1:N是对象胶囊-部分胶囊仿射矩阵，ak,1:N是候选部分的条件概率，λk,1:N是相关的标量标准差，是对象胶囊的MLP解码器；步骤3.3：根据候选部分生成一个独立的混合预测部分，并计算混合部分与原始部分的似然性，原始部分和混合部分似然度的目标函数为： 其中，ak为对象胶囊的存在概率，ak,m为对象胶囊的候选部分存在概率，dm为部分胶囊存在概率，xm为部分的姿势，px1:M,d1:M是原始部分与混合部分的似然度；步骤3.4：根据部分似然性判定部分是否属于激活的对象胶囊，如不是传递给下一个对象胶囊，通过最大化混合部分与原始部分的似然性，训练对象胶囊，使其拥有最高的分类精度；所述步骤1中从离心泵选择的故障信号为：提取离心泵在间隙处磨损、出口处有少量沉积物、入口处有沉积物、出口的磨料磨损、叶轮刀片损坏、叶轮气蚀六种故障状态下的扬程、出口速度、入口速度、离心泵转矩、与离心泵相连的电机转矩的五个故障信号。

全文数据：

权利要求：

百度查询： 江苏科技大学 一种基于ESA和堆叠胶囊自编码器的离心泵故障诊断方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD