一种基于数据驱动的船用绞机刹车机构故障诊断方法技术

本发明专利技术公开了一种基于数据驱动的船用绞机刹车机构故障诊断方法，包括选取压力传感器，并将压力传感器安装在绞机刹车机构；采集绞机刹车销轴运行过程所受压力信号数据并对数据进行处理；构建数据驱动算法模型得到故障诊断模型，并利用故障诊断模型对绞机刹车机构进行状态监测并实现故障分类。本发明专利技术通过数据处理技术实现对船舶绞机刹车机构故障诊断，解决了传统故障诊断的实时性和准确性问题，提高了船用绞机刹车机构运行的安全性。了船用绞机刹车机构运行的安全性。了船用绞机刹车机构运行的安全性。

【技术实现步骤摘要】
一种基于数据驱动的船用绞机刹车机构故障诊断方法


[0001]本专利技术涉及一种刹车机构故障诊断方法，尤其涉及一种基于数据驱动的船用绞机刹车机构故障诊断方法。

技术介绍

[0002]随着绞机在船舶上的应用，目前越来越多的绞机被用于船舶装置，如蛟龙号、海龙号中绞机。大多数船舶的工作环境较为恶劣，振动和冲击等极易造成船舶上绞机刹车机构因松动影响设备的正常运行，一旦绞机刹车机构在运行过程中出现故障，会造成严重影响。因此，亟需对绞机刹车机构在使用过程的刹车力大小进行实时监测，利于操作人员对绞机刹车机构进行故障排查，进而确保绞机刹车正常工作。
[0003]目前，大多数船舶自身不具备对绞机刹车机构进行有效实时监测和诊断的功能。CN212721882U一种锚绞机刹车力实时监测系统，该现有技术从锚绞机结构方面出发，对锚绞机可能发生故障部位进行分析；但从数据驱动角度对锚绞机刹车力进行状态监测更加实时高效。CN109583092A一种多层次多模式特征提取的智能机械系统故障诊断方法，该专利在故障诊断模型上未采取故障诊断模型修正技术，初始故障诊断模型会因为模型不本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于数据驱动的船用绞机刹车机构故障诊断方法，其特征在于，包括如下步骤：(1)、选取压力传感器，并将压力传感器安装在绞机刹车机构；(2)、采集绞机刹车销轴运行过程所受压力信号数据并对数据进行处理；(3)、构建数据驱动算法模型得到故障诊断模型，并利用故障诊断模型对绞机刹车机构进行状态监测并实现故障分类。2.根据权利要求1所述的一种基于数据驱动的船用绞机刹车机构故障诊断方法，其特征在于：所述步骤(1)中压力传感器选择应变片压力传感器；由于刹车力监测载荷轴和刹车销轴通过刹车螺杆连接，绞机刹车机构工作时，作用在上弧形钢带上的圆周力传递到刹车力监测载荷轴上，在刹车力监测载荷轴表面的3时水平方向和6时竖直方向安装应变片压力传感器，且应变片压力传感器安装位置相对垂直，实现对绞机刹车销轴运行中所受压力进行状态监测。3.根据权利要求2所述的一种基于数据驱动的船用绞机刹车机构故障诊断方法，其特征在于：所述步骤(2)中对数据进行处理的具体方法包括如下步骤：(2.1)、设置采样参数，采样参数包括采样频率f1、采样频率f2、采样频率f3、采样时长t＝10s和采样间隔Δt＝10ms，对绞机刹车销轴全生命周期所受压力信号进行采样，采集绞机刹车销轴运行过程中不同阶段的运行数据，全生命周期运行数据包括正常数据、轻微故障数据、中度故障数据、重度故障数据，设置压力采样阈值为Y，当采样压力值达到Y时，停止数据采样；否则，继续采样；(2.2)、将步骤(2.1)中采样结果以数值形式输出并保存，将应变片压力传感器与PLC控制器相连接，刹车销轴在运行过程中，作用力会传递到刹车力监测载荷轴，导致刹车轴销产生变形；压力传感器采集到的刹车销轴变形信号，通过PLC控制器中内置处理程序转换为电压信号；输出的电压信号通过A/D转换器进行转换，转换后的电压信号按照桥式电路放大输出压力信号值，将每次采样输出的数值以CSV格式保存，分别对三种不同采样频率进行采样，3时方向压力信号放置在CSV文件第一列，6时方向压力信号放置在CSV文件第二列，保存为1.CSV，以此类推，完成数据保存；(2.3)、利用加权核主成分分析法KPCA对步骤(2.2)中输出数据进行非线性降维得到降维后的数据，其中加权核主成分分析是在主成分分析基础上利用核函数思想进行改进，核函数采用径向基函数核RBF；利用核主成分分析法将数据映射到高维空间，再将映射后的数据进行非线性降维。4.根据权利要求3所述的一种基于数据驱动的船用绞机刹车机构故障诊断方法，其特征在于：所述步骤(2.1)中采样频率的设置方法包括如下步骤：(2.1.1)、绞机刹车机构标准频率范围为0～500HZ，绞机刹车机构初始运行时，压力传感器采集信号为正常信号，通过时域信号图表示，且信号呈现连续趋势；(2.1.2)、采样频率由0增加至500Hz时，每个采样频率对应的采集信号由时域信号表示，采样频率在230Hz时，采样信号出现第一次渐变式跳跃；采样频率在350Hz时，采样信号出现第二次渐变式跳跃；采样频率在450Hz时，采样信号出现第三次渐变式跳跃；(2.1.3)、通过步骤(2.1.2)得到三种不同采样频率，分别为采样频率f_1＝230Hz、采样频率f_2＝350Hz、采样频率f_3＝450Hz。5.根据权利要求4所述的一种基于数据驱动的船用绞机刹车机构故障诊断方法，其特
征在于：所述步骤(2.3)中对数据进行非线性降维的具体方法包括如下步骤：(2.3.1)、主成分分析是将步骤(2.2)中采集原始数据转换成标准矩阵，通过计算标准矩阵协方差得到协方差矩阵，进而得到协方差矩阵的特征值、特征向量及贡献率，选取较大的贡献率，根据贡献率大小确定主成分数目；(2.3.2)、对核函数进行加权处理，设置核函数标准阈值为g0，若函数值g大于g0，表示原始数据较为分散，令G＝ε0g，使得数据由分散趋于聚合，其中G为加权后的函数值，ε0为大于标准阈值的权重；若g小于g0，表示原始数据较为聚合，令G＝ε1g，使得数据由聚合趋于发散，ε1为小于标准阈值的权重；通过设置权重，促使原始数据由发散和聚合趋于均和，得到高质量降维数据。6.根据权利要求5所述的一种基于数据驱动的船用绞机刹车机构故障诊断方法，其特征在于：所述步骤(3)中构建数据驱动算法模型具体方法包括如下步骤：(3.1)、根据步骤(2)中采集的典型绞机刹车销轴的运行信号，用深度自编码与循环门相结合的DAE
‑
GRU神经网络对输入信号进行特征提取，依据网络结构参数建立初始化故障诊断模型；(3.2)、用测试集对步骤(3.1)中得到故障诊断模型进行测试，通过Softmax分类器得到的分类结果与独热编码标签进行对比，判断诊断结果是否一致，若诊断结果不一致，则对故障模型进行修正，执行步骤(3.3)；若诊断结果一致，则输出诊断结果，得到基于DAE
‑
GRU神经网络绞机刹车机构故障诊断模型；(3.3)、修正初始化故障诊断模型，改进DAE
‑
GRU神经网络结构相关参数，相关参数包括压缩权重和重构误差，隐藏层中的超参数，超参数包括激活函数、分类函数、迭代次数、训练步长、学习率和误差阈值，实现初始化故障诊断模型的修正，最终建立绞机刹车机构的故障诊断模型并实现故障分类。7.根据权利要求6所述的一种基于数据驱动的船用绞机刹车机构故障诊断方法，其特征在于：所述步骤(3.1)中建立初始化故障诊断模型的具体方法包括如下步骤：(3.1.1)、将步骤(2)中处理的数据进一步划分为训练集和测试集，其中70％作为训练集，30％作为测试集，训练集和测试集都包含绞机刹车销轴的正常状态监测数据和故障状态监测数据，训练集用于确定故障诊断模型并获得模型参数，测试集用于验证故障诊断模型是否满足要求；采用独热编码对训练集和测试集进行标签处理，利用0和1表示运行数据的故障状态，即使用N位寄存状态器N种状态进行编码，设置1000为正常状态，0100为轻微故障状态，0010为中度故障状态，0001为重度故障状态；(3.1.2)、建立DAE
‑
GRU神经网络结构，DAE神经网络由输入层、隐藏层和输出层进行编码和解码，将DAE神经网络隐藏层中全连接层编码网络替换为GRU网络，组成D...

【专利技术属性】
技术研发人员：张辉，曹佑忍，吴琦，李俊，胡中泰，张胜文，方喜峰，朱鹏程，程德俊，
申请(专利权)人：江苏科技大学，
类型：发明
国别省市：