The invention discloses a fault optical fiber sensing method and system of factory equipment based on LSTM. In this method, the vibration data are transformed, fused and preprocessed, then the long short-term memory (LSTM) is used to train the model and analyze the faults; in this system, the optical fiber deployed on the plant equipment is used to sense the vibration information of the equipment, and the LSTM model is used to analyze and judge the operation status and faults of the equipment when sensing the vibration information of the equipment Probability; finally save the analysis results and display them. Through the above methods, the invention uses the LSTM analysis method to train a large number of data models, effectively judges the operation status of the plant equipment, and achieves the purpose of real-time monitoring and sensing the equipment status. In addition, a single optical fiber can sense the status of multiple devices in the factory at the same time. Using this system can reduce the number of personnel inspection and strengthen the safety production of the factory.
【技术实现步骤摘要】
一种基于LSTM的工厂设备故障光纤传感方法和系统
本专利技术涉及大数据处理分析和瑞利散射光纤传感技术,特别是涉及长短记忆网络分析光纤传感据技术。
技术介绍
随着光纤传感技术发展,可利用光纤探测周边环境状况。当光纤受到外界干扰影响发生振动时,光纤中传输光的部分特性就会改变。大数据技术发展,已经处处影响到我们生活,大型工厂大量机器设备长时间运转,需要减少人员巡视次数情况下保障设备正常运转。然而,现在大型工厂设备状况基本上都是员工通过经验去判断,很难准确的量化结果,并且工厂内具有很多不可预见的危险。因此,急需一种利用现代技术远程预知设备状况的系统。短时记忆网络对信息的长时记忆是它们的自发行为,能够更准确的根据振动特征判断运行状况。利用光纤瑞利散射实时感知工厂设备振动,采集的数据通过预处理,LSTM有效的预测设备运行状况,即时发现设备故障。
技术实现思路
本专利技术主要解决的技术问题是提供一种算法解决工厂设备运行状况,同时能够感知多台设备的振动情况,并保存采集到的数据,通过历史数据进行预处理提取振动特征,利用历史数据训练模型,加载训练好的模型,实时采集到设备振动数据处理过后,能够分析判断设备运行状况,是否发生故障。为解决上述技术问题,本专利技术采用的一种技术方案是:利用光纤瑞利散射原理实时感知多个设备振动状况,同时利用大数据LSTM算法训练模型,来达到判断设备运行状况的目的,包括:设备振动数据采集,将光纤环绕到需要监控的设备上;采集到的振动数据进行预处理,提取特征,采用LSTM训练 ...
【技术保护点】
1.一种基于LSTM的工厂设备故障光纤感知方法,其特征在于,包括:/n采用光纤瑞利散射原理,实时获取设备运行时候引起光纤振动信号的强度和波形,对数据进行预处理,提取到特征;/n采用长短记忆网络建立数学模型,判断工厂设备运行状况。/n
【技术特征摘要】
1.一种基于LSTM的工厂设备故障光纤感知方法,其特征在于,包括:
采用光纤瑞利散射原理,实时获取设备运行时候引起光纤振动信号的强度和波形,对数据进行预处理,提取到特征;
采用长短记忆网络建立数学模型,判断工厂设备运行状况。
2.根据权利要求1所述的方法,其关键在于,利用长短记忆模型建立数学模型:
LSTM解决长期依赖,也就是说,对信息的长期记忆是它们的自发行为,而不是刻意去学习的,每次计算的设备振动数据特征的记忆,下一个数据输入时也作为参数。
3.根据权利要求2所述的方法,所述将所述设备振动数据特征作为数据输入,其中LSTM的核心是细胞状态(cellstate),其特征是从水平线来说是贯穿运行;
细胞状态类似于传送带;
直接在整个链上运行,只有一些少量的线性交互;
信息在上面流传保持不变:判断所述设备振动特征采用LSTM决定我们需要从cell中抛弃哪些信息,决定是从sigmoid中的遗忘层来实现的;
它的输入是和,输出为一个0到1之间的数;
就是每个在cell中所有在0和1之间的数值,就像我们刚刚所说的,0代表全抛弃,1代表全保留,计算公式为:。
4.根据权利要求3所述的方法,其特征在于,所述将所述设备振动信号特征提取和存储,并根据计算值,首先是sigmoid层(输入门)决定我们需要更新哪些值;
随后,signmoid层生成了一个新的候选向量C`,它能够加入状态中;通过LSTM建立数学模型,通过利用历史数据提取的特征训练模型。
5.根据权利要求4所述的方法,其特征在于,所述将所述设备振动引起...
【专利技术属性】
技术研发人员:刘本刚,邓子璇,顾宗随,张洁,魏嘉,柴军杰,
申请(专利权)人:光子瑞利科技北京有限公司,
类型:发明
国别省市:北京;11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。