一种基于深度置信网络的空压机诊断方法和系统技术方案

本发明专利技术公开了一种基于深度置信网络的空压机诊断方法系统，所述方法包括：获取空压机数据，其中所述空压机数据包括不同模式状态下的故障数据和正常数据；将所述空压机数据进行标准化处理，并将标准化处理后的空压机数据划分为训练集和测试集；配置深度信念网络模型，包括配置波尔斯曼机层数和反向传播网络，用于对所述空压机数据进行特征提取；在所述深度信念网络模型输出端连接一维卷积神经网络，通过所述一维卷积神经网络特征提取和降维后输出一维向量，并利用softmax分类器输出检测目标数据故障类别；通过所述训练集输入到所述深度信念网络中，并利用测试集测试模型的训练结果。果。果。

【技术实现步骤摘要】
一种基于深度置信网络的空压机诊断方法和系统


[0001]本专利技术涉及空压机故障检测
，特别涉及一种基于深度置信网络的空压机诊断方法和系统。

技术介绍

[0002]目前现有技术中，空压机故障检测方法主要包括：1.基于模糊理论的故障诊断，这种方法模糊诊断知识获取困难，尤其是故障与征兆的模糊关系较难确定，学习能力差，容易发生漏诊或误诊。2.基于实例的故障诊断方法，实例推理的关键问题是能搜集到诊断实例是有限的，不可能覆盖所有解空间，搜索时可能会漏掉最优解，当出现异常征兆时，由于找不到最佳匹配，可能造成误诊或漏诊。3.故障诊断专家系统，此方法存在较大的局限性，随着诊断对象复杂程度的增加，基于专家系统的缺陷暴露更加明显，如知识集不完备、对诊断对象的依赖性强。4.基于模型的方法，此方法需要对系统的内部机理有明确的解释，要建立复杂的物理模型，针对大型工业过程来说实现比较困难。5.基于数据驱动的方法，传统的旋转机械智能诊断方法通常需要预先对原始信号进行特征提取，提取敏感特征信息以提高分类性能是一个非常耗时和费力的过程。上述现有技术都无法解决空压机中关于非本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于深度置信网络的空压机诊断方法，其特征在于，所述方法包括：获取空压机数据，其中所述空压机数据包括不同模式状态下的故障数据和正常数据；将所述空压机数据进行标准化处理，并将标准化处理后的空压机数据划分为训练集和测试集；配置深度信念网络模型，包括配置波尔斯曼机层数和反向传播网络，用于对所述空压机数据进行特征提取；在所述深度信念网络模型输出端连接一维卷积神经网络，通过所述一维卷积神经网络特征提取和降维后输出一维向量，并利用softmax分类器输出检测目标数据故障类别；通过所述训练集输入到所述深度信念网络中，并利用测试集测试模型的训练结果。2.根据权利要求1所述的一种基于深度置信网络的空压机诊断方法，其特征在于，所述空压机数据模式状态划分包括：将所述空压机数据划分为正常状态、润滑系统故障、轴承故障、冷却水槽故障和级间转子不平衡故障；分别对每个模式状态构建对应的样本集，将所有的样本集分为训练集和测试集，用于模型训练。3.根据权利要求2所述的一种基于深度置信网络的空压机诊断方法，其特征在于，进一步根据所述空压机数据模式状态获取测量变量，其中所述测量变量包括：润滑油供油压力、汽轮机转速、压缩机入口压力、压缩机止推轴承温度、压缩机出口端轴承温度、汽轮机出口端轴承振动和汽轮机轴承位移7个运行状态变量作为测量的样本集。4.根据权利要求1所述的一种基于深度置信网络的空压机诊断方法，其特征在于，所述空压机数据标准化方法包括：计算运行状态测量变量的均值和标准差，并根据所述运行状态变量的均值和标准差对样本进行归一化处理：其中x
normalization
表示的是经过归一化处理之后的样本，mean(x)表示的是样本的均值，std(x)表示的是样本的标准偏差。5.根据权利要求1所述的一种基于深度置信网络的空压机诊断方法，其特征在于，所述深度信念网络模型配置和训练方法包括：配置多个波尔斯曼机和一个反向传播网络，配置所述深度信念网络模型的层数，并配置模型的每层神经元个数，配置激活函数、训练次数和学习率；进一步对每一层波尔斯曼机进行单独的无监督训练，将每一不同的特征向量根据模式状态映射到不同的特征空间...

【专利技术属性】
技术研发人员：吴平，周嘉伟，叶和军，刘亮，史乃进，彭江，
申请(专利权)人：杭州哲达节能科技有限公司，
类型：发明
国别省市：