一种基于时间序列映射与卷积神经网络的故障诊断方法技术

本发明专利技术公开了一种基于时间序列映射与卷积神经网络的故障诊断方法，包括：采集石化旋转机组的故障数据样本，并对所述故障数据样本进行存储；通过EMT390数据管理系统将所述故障数据样本以csv文件格式导出；将所述故障数据样本进行一维数据映射，得到一维时间序列；对所述一维时间序列进行映射，得到二维图片；对所述二维图片进行故障识别训练，得到故障诊断神经网络模型；将待检测的石化旋转机组的振动数据输入所述故障诊断神经网络模型中，获取所述待检测的石化旋转机组的故障诊断结果。通过本发明专利技术，不需要对原始数据做过多的预处理，可以高效迅速的实现故障诊断。

A fault diagnosis method based on time series mapping and convolution neural network

【技术实现步骤摘要】
一种基于时间序列映射与卷积神经网络的故障诊断方法
本专利技术涉及故障诊断领域，特别涉及一种基于时间序列映射与卷积神经网络的故障诊断方法。
技术介绍
旋转机组传动系统的复杂性以及工作条件的多样性使得旋转机组振动信号具有非平稳和非线性的特点，各种激励源产生的信号模糊、混杂、多耦合，导致故障冲击特征常被淹没在强背景信号与噪声中而难以识别，尤其是旋转机组轴承早期损伤的微弱冲击特征，更是不易提取。当石化旋转机组在恶劣环境如风、雨、高噪声、高压、高温、有毒有害气体、设备腐蚀等环境下运行时，如何有效地从传感器采集到的观测信号中提取出所期望的故障特征信息，是制约旋转机组故障诊断的瓶颈，使得依据频域分析法为主流技术的各类诊断方法往往束手无策，如何高效迅速实现故障诊断，是石化旋转机组故障诊断领域的难点问题。
技术实现思路
本专利技术提供一种基于时间序列映射与卷积神经网络的故障诊断方法，不需要对原始数据做过多的预处理，可以高效迅速的实现故障诊断。根据本专利技术的一个方面，提供了一种基于时间序列映射与卷积神经网络的故障诊断方法，包括以下步骤本文档来自技高网...

【技术保护点】
1.一种基于时间序列映射与卷积神经网络的故障诊断方法，其特征在于，包括以下步骤：/n采集石化旋转机组的故障数据样本，并对所述故障数据样本进行存储；/n通过EMT390数据管理系统将所述故障数据样本以csv文件格式导出；/n将所述故障数据样本进行一维数据映射，得到一维时间序列；/n对所述一维时间序列进行映射，得到二维图片；/n对所述二维图片进行故障识别训练，得到故障诊断神经网络模型；/n将待检测的石化旋转机组的振动数据输入所述故障诊断神经网络模型中，获取所述待检测的石化旋转机组的故障诊断结果。/n

【技术特征摘要】
1.一种基于时间序列映射与卷积神经网络的故障诊断方法，其特征在于，包括以下步骤：
采集石化旋转机组的故障数据样本，并对所述故障数据样本进行存储；
通过EMT390数据管理系统将所述故障数据样本以csv文件格式导出；
将所述故障数据样本进行一维数据映射，得到一维时间序列；
对所述一维时间序列进行映射，得到二维图片；
对所述二维图片进行故障识别训练，得到故障诊断神经网络模型；
将待检测的石化旋转机组的振动数据输入所述故障诊断神经网络模型中，获取所述待检测的石化旋转机组的故障诊断结果。


2.根据权利要求1所述的方法，其特征在于，对所述一维时间序列进行映射，得到二维图片，包括以下步骤：
对所述一维时间序列进行归一化处理，并将归一化之后的数据分为训练集组和测试集组；
采用python环境分别对所述训练集组和测试集组进行时间序列的映射；
通过定义Gram矩阵依次算出所述训练集组和测试集组中每组的角度；
将每组的角度经过定义生成类Gram矩阵；
采用python环境将类Gram矩阵生成二维图片。


3.根据权利要求2所述的方法，其特征在于，所述二维图片的分辨率为512*512。


4.根据权利要求3所述的方法，其特征在于，所述Gram矩阵定义为所述类Gram矩阵定义为


5.根据权利要求2...

【专利技术属性】
技术研发人员：熊建斌，李春林，岑健，刘军，班勃，伍银波，胡俊敏，徐金雄，钟智彦，梁琼，余得正，葛任贤，刘文浩，
申请(专利权)人：广东技术师范大学，
类型：发明
国别省市：广东;44