基于多信号融合及Adam优化算法的岸桥故障监测方法技术

本发明专利技术提供一种信号处理的方法，融合岸桥常见信号以便获取更多的融合特征参数，从而更有效的利用振动、温度、应力等信息，对岸桥状态进行更精确的故障诊断及监测。利用Adam算法优化神经网络，为更准确快速的监测岸桥状态提供方便。该方法包括步骤1、采集数据；步骤2、数据预处理，确定输入输出；步骤3、构建神经网络模型；步骤4、训练集利用Adam算法训练神经网络，获得岸桥状态预测模型；步骤5、利用测试集检验岸桥状态预测模型；步骤6、输出预测结果，并将预测结果呈现在人机交互界面中。本发明专利技术采用多个信号进行融合预测，增加了某一个信号的容错性，提高了岸桥运行状态监测的准确性。

【技术实现步骤摘要】
基于多信号融合及Adam优化算法的岸桥故障监测方法
本专利技术涉及一种基于多信号融合及Adam优化算法的岸桥故障监测方法，属于岸桥状态预测技术。
技术介绍
对岸桥的故障诊断一直是技术难点，岸桥的稳定对港口运输、贸易安全的运行有着重要意义。随着大数据理论的发展，挖掘岸桥监测过程中产生的大量信息，运用人工智能技术进行信号融合、处理及诊断成为岸桥状态预测及故障诊断的新方向。现有技术主要集中在独立监测振动和应力信号上，缺少对温度、振动，应力等信号的融合诊断。BP神经网络有较强的非线性拟合能力，传统的BP神经网络收敛速度慢，超参数选择困难，不能很好的进行实时监测及诊断，同时，直接使用所有的监测量进行建模时，过多的监测量会造成模型过于复杂，使得模型运算量过大而导致难以训练，容易出现过拟合现象。
技术实现思路
针对岸桥运行状态监测及诊断，本专利技术提供一种信号处理的方法，融合岸桥常见信号如振动信号、温度信号和应力信号等，以便获取更多的特征参数，更有效的利用振动温度应力等信息，从而为更准确的监测岸桥状态提供更多信息。该方法提本文档来自技高网...

【技术保护点】
1.基于多信号融合及Adam优化算法的岸桥故障监测方法，其特征是，包括以下过程：/n步骤1、采集数据；/n获取一段时间内岸桥机械结构的振动、温度、和应力等信号，所述振动、温度和应力等信号在时间上同步；/n步骤2、数据预处理，确定输入输出；/n对采集到的信号进行预处理，将需要预测的信号作为输出信号，并将输入信号样本分为训练集和测试集；/n步骤3、构建神经网络模型；/n根据输入信号的维度，确定训练参数，包括隐藏层节点数，最大迭代次数，初始学习率等；/n步骤4、训练集利用Adam算法，由步骤3所得的参数训练神经网络，获得岸桥状态预测模型；/n步骤5、利用测试集检验由步骤4所得的岸桥状态预测模型；/n...

【技术特征摘要】
1.基于多信号融合及Adam优化算法的岸桥故障监测方法，其特征是，包括以下过程：
步骤1、采集数据；
获取一段时间内岸桥机械结构的振动、温度、和应力等信号，所述振动、温度和应力等信号在时间上同步；
步骤2、数据预处理，确定输入输出；
对采集到的信号进行预处理，将需要预测的信号作为输出信号，并将输入信号样本分为训练集和测试集；
步骤3、构建神经网络模型；
根据输入信号的维度，确定训练参数，包括隐藏层节点数，最大迭代次数，初始学习率等；
步骤4、训练集利用Adam算法，由步骤3所得的参数训练神经网络，获得岸桥状态预测模型；
步骤5、利用测试集检验由步骤4所得的岸桥状态预测模型；
步骤6、输出预测结果，并将预测结果呈现在人机交互界面中。


2.根据权利要求1所述的基于多信号融合及Adam优化算法的岸桥故障监测方法，其特征是，在步骤1中，测量量包括振动信号、热信号、应力信号等在内的各种监测信号。


3.根据权利要求1所述的基于多信号融合及Adam优化算法的岸桥故障监测方法，其特征是，在步骤2中，利用3δ探测法监测各监测量的历史数据，以温度信号为例，3δ探测法公式如下：



式中，ΔθT(k)表示第k时刻温度的增量，θT(k)表示第k时刻温度，θT(k-1)表示第k-1时刻温度，μ表示所有时刻温度增量ΔθT(k)组成的样本的均值，δ表示ΔθT(k)样本的标准差。


4.根据权利要求1所述的基于多信号融合及Adam优化算法的岸桥故障监测方法，其特征是，在步骤2中，对各监测量的历史数据进行归一化处理，归一化公式如下：



式中，x*为数据归一化后的值，xi为信号的第i个数据，xmax、xmin分别为样本数据的最大值和最小值。

【专利技术属性】
技术研发人员：唐刚，常超，邵长专，胡雄，
申请(专利权)人：上海海事大学，
类型：发明
国别省市：上海;31