旋转机械缺失故障特征恢复方法及系统技术方案

本发明专利技术提供一种旋转机械缺失故障特征恢复方法及系统，其中的方法包括：基于获取的旋转机械的带有缺失项的监测数据，获取与监测数据相对应的原始数据的掩码矩阵；基于预设提示率及掩码矩阵，建立与掩码矩阵相对应的提示矩阵；基于预设噪声样本集、监测数据、掩码矩阵和提示矩阵构成训练数据，并基于训练数据训练预构建的WGAIN

【技术实现步骤摘要】
旋转机械缺失故障特征恢复方法及系统


[0001]本专利技术涉及机械故障诊断
，更为具体地，涉及一种旋转机械缺失故障特征恢复方法及系统。

技术介绍

[0002]随着科技的不断发展，以无线传感器为代表的新一代监测设备被越来越多地应用到旋转机械健康状态的监测当中，无线传感器相较于传统传感器具有智能化程度高、不需要额外线路设计等优势，但其在实际使用中往往会出现监测数据缺失的问题。在数据缺失率较大的情况下，容易导致对监测旋转机械健康状态的错误评估和不当的维护策略的制定。
[0003]目前，较为常用的恢复序列中缺失数据的方法主要有基于统计学的方法和基于经典机器学习和深度学习的方法。但是，基于统计学的数据恢复方法在处理具有往复特性、高采样频率特性的旋转机械监测信号时，对故障特征的恢复效果往往不如机器学习方法理想。而基于经典机器学习的方法大部分都需要较多完整数据集来进行训练，而这一条件在实际应用中很难得到满足。
[0004]因此，开发一种无监督、故障特征恢复和训练同时进行且能够较好地对缺失数据引发的扭曲故障特征进行恢复的算法就具有较大的实本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种旋转机械缺失故障特征恢复方法，其特征在于，包括：基于获取的旋转机械的带有缺失项的监测数据，获取与所述监测数据相对应的原始数据的掩码矩阵；基于预设提示率及所述掩码矩阵，建立与所述掩码矩阵相对应的提示矩阵；基于预设噪声样本集、所述监测数据、所述掩码矩阵和所述提示矩阵构成训练数据，并基于所述训练数据训练预构建的WGAIN
‑
GP网络；基于训练完成的WGAIN
‑
GP网络，获取与所述监测数据对应的恢复信号及恢复故障特征。2.如权利要求1所述的旋转机械缺失故障特征恢复方法，其特征在于，基于获取的带有缺失项的监测数据，获取与所述监测数据相对应的掩码矩阵的过程包括：从旋转机械的监测系统中采集带有缺失项的监测数据；对所述监测数据进行归一化处理，获取与所述原始数据相对应的归一化数据；基于所述归一化数据生成与所述原始数据的维度相同的掩码矩阵；其中，所述掩码矩阵中数据未缺失部分的取值为1，数据缺失部分的取值为0。3.如权利要求1所述的旋转机械缺失故障特征恢复方法，其特征在于，基于预设提示率及所述掩码矩阵，建立与所述掩码矩阵相对应的提示矩阵的过程包括：从预设均匀分布U(0，I)中生成一个随机矩阵B，所述随机矩阵B的维度与所述掩码矩阵的维度相同；其中，0和I分别表示维度与所述原始数据相同的全零矩阵和对角线元素为1的矩阵；判断所述随机矩阵B中的元素与所述预设提示率之间的大小，并当所述元素大于所述预设提示率时，将所述元素的取值设置为对应位置的所述掩码矩阵中的取值；否则，将所述元素的取值设置为0。4.如权利要求2所述的旋转机械缺失故障特征恢复方法，其特征在于，基于预设噪声样本集、所述监测数据、所述掩码矩阵和所述提示矩阵构成训练数据，并基于所述训练数据训练预构建的WGAIN
‑
GP网络的过程包括：从预设正态分布N（0，I）中生成所述噪声样本集，其中，0和I分别表示维度与所述原始数据相同的全零矩阵和对角线元素为1的矩阵；对所述噪声样本集、所述监测数据的归一化数据和所述掩码矩阵进行第一组合，获取第一组合矩阵；对所述组合矩阵和所述掩码矩阵进行拼接，并输入所述WGAIN
‑
GP网络的生成器网络中，通过所述生成器网络输出中间矩阵；对所述中间矩阵、所述掩码矩阵和所述归一化数据进行第二组合，获取第二组合矩阵；将所述第二组合矩阵与所述提示矩阵进行拼接，并输入所述WGAIN
‑
GP网络的判别器网络中，进行迭代训练。5.如权利要求4所述的旋转机械缺失故障特征恢复方法，其特征在于， 还包括：获取当前迭代步内所述判别器网络的第一损失函数值，以及获取所述当前迭代步内的所述生成器网络的...

【专利技术属性】
技术研发人员：胡文扬，王天杨，褚福磊，
申请(专利权)人：清华大学，
类型：发明
国别省市：