申请/专利权人：西安电子科技大学

申请日：2021-06-06

公开（公告）日：2024-04-23

公开（公告）号：CN113435258B

主分类号：G06F18/24

分类号：G06F18/24;G06F18/213;G06F18/10;G06F18/2411;G06N3/0464;G06N3/08

优先权：

专利状态码：有效-授权

法律状态：2024.04.23#授权;2021.10.15#实质审查的生效;2021.09.24#公开

摘要：本发明属于机械技术领域，公开了一种转子系统异常智能检测方法、系统、计算机设备、终端，所述转子系统异常智能检测方法包括：采集转子系统支承界面相互垂直方向的电涡流位移信号；利用谐波窗分解提取转子系统振动信号的特定频率成分，构建转子系统的合成轴心轨迹，将合成轴心轨迹数据转换为一个数值方阵；将所述数值方阵作为生成对抗网络模型的输入，通过正常运行状态下的数据对生成对抗网络进行训练，利用待检测数据输入网络后所得的损失作为异常指标实现转子系统运行异常检测。本发明利用全息谱技术，能够更全面地反映转子系统转频、分倍频以及高倍频故障相关信息，使得转子系统异常检测范围更全面，能够有效避免现有技术中漏检率高的问题。

主权项：1.一种转子系统异常智能检测方法，其特征在于，所述转子系统异常智能检测方法包括以下步骤：步骤一，数据采集，包括：采集转子系统运行过程中支承截面相互垂直方向和方向的电涡流振动数据，把采样频率记为，转子的转速记为所采集的方向振动数据记为，所采集的方向数据记为，方向和方向数据开始采集与结束采集的时间需要相同，且数据开始采集的时间点为转子系统的初相点；步骤二，构建转子系统的合成轴心轨迹，包括：（1）采用谐波窗分解分别提取方向和方向转频和高倍频频率成分，记转频为，高倍频为，其中为正整数，可根据分析需求自行设定，谐波窗窗口的上限分别为和,下限分别为和；（2）采用二进谐波小波变换分别提取方向和方向振动信号分倍频区域内的频率成分，将大于的分量滤掉，保留区间内的所有频率成分；（3）将所得方向和方向方向振动信号的分倍频、转频和高倍频故障特征频率成分数据分别整合成一个2列m行的矩阵形式，其中，矩阵的第一列为所提取的方向故障特征频率成分，第二列为方向的故障特征频率成分；（4）将上述矩阵中的元素进行重新排列，得到整合后的转子系统合成轴心轨迹数值矩阵，排列方式为按列从原始的矩阵中进行取数，按行填入数值方阵中；（5）将分倍频、转频和高倍频数值方阵合成为一个三维数值矩阵,在实际运用过程中，也可结合所关注的故障模式，根据实际分析需求选择单一或两个通道的数值矩阵作为后续模型输入；步骤三，构建生成对抗网络模型，包括：（1）构建生成器；（2）初始化生成器；（3）构建判别器；（4）初始化判别器；其中，所构建的生成器包含9层，依次为转置卷积层、批归一化层、转置卷积层、批归一化层、转置卷积层、批归一化层、转置卷积层、批归一化层、转置卷积层和批归一化层；所构建的判别器包含9层，依次为卷积层、卷积层、批归一化层、卷积层、批归一化层、卷积层、批归一化层、卷积层和批归一化层；步骤四，训练生成对抗网络，包括对所述生成器和判别器进行交替训练：（1）固定生成器参数，将生成器生成的数据与所述轴心轨迹数据组成一个数据集输入至判别器，采用梯度下降法对判别器进行训练来更新判别器的参数；（2）固定判别器的参数，将当前判别器的损失的梯度反向传播至生成器，对生成器的参数进行更新；（3）重复执行步骤（1）-步骤（2），直到网络收敛；步骤五，计算异常值，包括：（1）随机生成噪声向量；（2）将噪声向量输入至生成器，得到生成样本；（3）根据以下公式计算残差损失：，其中，为待检测数据；（4）将生成样本与待检测数据分别输入至判别器，提取中间特征层；（5）根据以下公式计算判别损失：，其中，表示待检测数据输入至判别器后的中间层特征，表示生成样本输入至判别器后的中间层特征；（6）根据以下公式计算总损失：，其中，在区间中取值；（7）将总损失反向传播至噪声，对噪声进行更新；（8）重复上述步骤100次，将第100次所得的总损失作为异常值。

全文数据：

权利要求：

百度查询： 西安电子科技大学 转子系统异常智能检测方法、系统、计算机设备、终端

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