一种多振源系统的故障诊断系统及方法技术方案

本发明专利技术公开了一种多振源系统的故障诊断系统及方法，涉及机械故障诊断技术领域。本发明专利技术针对多振源系统中的复合振动信号，使用盲源分离方法实现复合振动信号的分离，获取独立振源的振动信号，生成正常状态下分离信号数据集。使用该分离信号数据集训练对抗式生成网络，通过判别网络对的独立振源的振动信号进行辨识，判断该独立振源是否处于异常状态，从而实现无样本下故障源的定位和达到对故障的定位和异常预警功能。该方法适用性强，能够在缺少故障样本的情况下，充分利用不同独立振源的正常稳定状态工作振动信号训练模型，并在故障发生时进行及时的定位和异常预警。发生时进行及时的定位和异常预警。发生时进行及时的定位和异常预警。

【技术实现步骤摘要】
一种多振源系统的故障诊断系统及方法


[0001]本专利技术涉及一种电力机车转向架构架装配设备，特别是一种多振源系统的故障诊断系统及方法。

技术介绍

[0002]高速列车是我国提升运输能力和带从产业发展的重要工具，其转向架旋转部件的振动信号监测和故障诊断对保障安全性与可持续性具有重要工程价值。转向架结构复杂、振源数多、空间密集，使其传感器布置数量有限，传统针对单部件的监控策略难以得到全面的监测信息。同时由于庞大的列车保有量和保守的维修策略，监测数据具有正常运行数据量巨大、故障运行数据稀少的特点，使基于分类方法的人工智能的诊断模型难以适用。传感器数量少、故障数据少成为了目前高速列车旋转部件状态监测和故障诊断的难点。因此，对有限数目传感器信号进行分离和识别，充分利用运行数据，对转向架旋转部件进行状态监测和故障预警，可以有效提升高速列车的安全性和可持续性，具有重要的工程应用价值。
[0003]现有的转向架旋转部件的振动监测系统，其传感器布置方式主要针对单个部件，使用变换域方法对信号进行处理，通过设置频谱或能量谱的阈值进行识别和预警。而高速列车转本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种多振源系统的故障诊断方法，所述多振源系统包括多个独立振源，其特征在于，所述多振源系统还包括n个数据采集装置，所述数据采集装置的采样信号长度为m，包括以下步骤：A，获取分离信号数据集；搭建生成对抗神经网络模型；分离信号数据集的具体实现方式包括：S1，获取多振源系统的复合振动信号；S2，基于所述复合振动信号获取复合信号矩阵，对所述复合信号矩阵依次进行零均值化与白化处理，获取白化处理后的复合信号矩阵；S3，基于白化处理后的复合信号矩阵获取分离信号矩阵；S4，将所述分离信号矩阵切分为个一维数组，输出单通道的波形.WAV文件，对于每一个独立振源，制作分离信号数据集；l为含振动特征的样本长度，根据独立振源的转速和所述信号采集装置的采样率确定；所述生成对抗神经网络模型包括生成网络G和判别网络D；所述生成网络G的网络结构包括：第一层为全连接Dense层；第二层为Reshape层，且其后接有一个批标准化单元，一个LeakyRelu激活单元和一个tanh激活单元；第三层至第六层均为1
‑
D转置卷积层，卷积核大小为25，步长为4，且每层后接有一个批标准化单元，一个LeakyRelu激活单元和一个tanh激活单元；第七层为为1
‑
D转置卷积层，卷积核大小为25，步长为4，且接有一个批标准化单元和LeakyRelu激活单元；所述判别网络D的网络结构包括：第一层为至第五层均为1
‑
D卷积层，卷积核大小为25，步长为4，且每层后接一个LeakyReLu激活单元和一个PhaseShuffle相位重置单元；第六层为Reshape层；第七层为全连接Dense层；B，对于每一个独立振源，基于所述分离信号数据集和所述生成对抗神经网络模型进行迭代训练；C，对于每一个独立振源，获取振动状态判别器。2.如权利要求1所述的多振源系统的故障诊断方法，其特征在于，步骤B的具体实现方式包括：S601，获取损失函数S601，获取损失函数S601，获取损失函数为真实样本和生成样本的线性插值，其计算公式为：x
r
为真实样本信号；k为线性插值的权重，取值范围为k∈[0，1]；x
f
为生成样本信号；p
r
为真实样本的概率分布；p
g
为生成样本的概率分布；D(x
r
)为以真实样本信号x
r
为输入且满足一阶Lipschitz约束的判别网络函数，D(x
f
)为以生成样本信号x
f
为输入且满足一阶
Lipschitz约束的判别网络函数；为以真实样本和生成样本的线性插值为输入且满足一阶Lipschitz约束的判别网络函数；为判别网络函数D(x
r
)的期望；为判别网络函数D(x
f
)的期望；为函数的期望；λ为梯度惩罚项系数；S602，解码样本WAV文件为张量数据，裁剪长度并归一化幅值，打乱顺序后进行采样打包；S603，对步骤S602获取的数据进行迭代训练。3.如权利要求2所述的多振源系统的故障诊断方法，其特征在于，获取所述损失函数的方法包括：S6011，获取Wasserstein距离项W(p
r
，p
g
)，计算方法为：θ为生成网络参数；S6012，获取惩罚项GP的计算公式为：4.如权利要求3所述的用于多振源系统的故障诊断方法，其特征...

【专利技术属性】
技术研发人员：王田天，谢劲松，阳劲松，杨布尧，张小振，
申请(专利权)人：中南大学，
类型：发明
国别省市：