一种深度基向量编码网络及零部件故障预警方法技术

一种深度基向量编码网络及零部件故障预警方法，属于故障诊断与设备健康运维领域。深度基向量编码网络由压缩编码器、深度基向量编码模块和扩张解码器组成，深度基向量编码模块将深度特征向量编码为深度基向量的线性组合。一种零部件故障预警方法，步骤包括：使用零部件服役早期的数据样本训练深度基向量编码网络，将训练好的压缩编码器和深度基向量编码模块组合成深度线性分解机；在零部件继续服役的过程中，将监测数据样本输入深度线性分解机，将数据样本表示为深度线性空间的坐标点；最后根据各数据样本在深度线性空间距离均值点的欧氏距离判别数据样本是否异常；若数据样本背叛别为异常点，则判定故障发生。则判定故障发生。则判定故障发生。

【技术实现步骤摘要】
一种深度基向量编码网络及零部件故障预警方法


[0001]本专利技术涉及机械零部件故障诊断技术，尤其是涉及一种深度基向量编码网络及零部件故障预警方法。

技术介绍

[0002]应用振动传感技术的故障诊断与预警技术对于提升设备健康运维时效性，降低设备维护成本、提升设备运行连续性具有重要的产业应用价值。传统的基于振动传感的机械故障诊断方法，根据机械设备的理论模型，获得设备的正常振动模式，以及各种类型故障会导致的振动模式。设计各种数据处理算法，从监测数据中提取表征异常振动模式的特征值，实现故障诊断。然而，受限于多样的设备结构和复杂的信号传递路径，数据处理算法难以广泛适用，必须经过专业的选型与调参，这使得机械设备健康监测难以实现自动化和智能化。
[0003]随着人工智能技术的发展，使用神经网络模型通过无监督学习从监测数据中自适应地提取低维度的深度特征特征，是提升故障诊断系统的对象适应性，加速故障诊断系统在工业现场部署应用重要的重要技术路线。自动编码机是目前研究最为广泛的深度特征无监督提取模型，结构简洁，训练方便，取得一系列的应用成果。然而，现有自动本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种深度基向量编码网络，其特征在于包括以下模块：一个输入层，用于接收输入的数据样本；一个压缩编码器，用于将输入的数据样本进行初步压缩降维；一个深度基向量编码模块，用于将所述压缩编码器输出的深度特征向量编码为数个深度基向量的线性组合，各个深度基向量张成深度线性空间，所述各个深度基向量对应的系数构成深度特征向量在深度线性空间的坐标向量；一个扩张解码器，用于将所述深度基向量编码模块输出的基向量和坐标向量重构深度特征向量，并将所述重构深度特征向量扩张解码，获得与所述输入层接收的数据样本大小相同的重构数据样本；一个输出层，用于将所述扩张解码器输出的重构数据样本输出模型。2.如权利要求1所述一种深度基向量编码网络，其特征在于所述深度基向量编码模块由深度基向量组、投影分解模块、坐标向量阈值激活模块、深度特征向量重构模块组成，其中深度基向量的数目人为设定，深度基向量的数值通过模型训练自动编码的。3.如权利要求1所述一种深度基向量编码网络，其特征在于所述坐标向量通过将所述深度特征向量向各个深度基向量投影分解得出。4.一种零部件故障预警方法，其特征在于包括以下步骤：1)使用传感器和数据采集卡采集待监测零部件的振动加速度信号；2)使用零部件服役早期健康状态的数据样本无监督地训练如权利要求1所述深度基向量编码网络，获得深度线性空间的基向量；3)使用训练好的深度基向量编码网络中的压缩编码器和深度基向量编码模块组合成深度线性分解机；4)在零部件继续服役的过程中，将监测数据样本输入深度线性分解机，获得数据样本在深度线性空间的深度坐标；5)计算各数据样本深度坐标的平均值作为深度坐标参考点；6)根据各数据样本的深度坐标至深度坐标参考点的欧氏距离判别数据样本是否为异常点，若数据样本被叛别为异常点，则判定故障发生，发出预警。5.如权利要求4所述一种零部件故障预警方法，其特征在于在步骤2)中，所述深度基向量编码网络的训练过程中，压缩编码器及扩展解码器与所述深度基向量编码模块...

【专利技术属性】
技术研发人员：李锋军，王洪斌，高鸣，蓝启鑫，姚斌，陈彬强，谢富明，曹新城，张雷雷，卿涛，王雷飞，张冰冰，贾辉，高存贞，韩丽，张举，常喜萍，张晨晨，薛一刚，李鹏，郭振杰，
申请(专利权)人：厦门大学，
类型：发明
国别省市：