一种柴油机故障识别方法及装置制造方法及图纸

本申请公开了一种柴油机故障识别方法及装置，在该方法中，首先，采集柴油机的第一振动信号；然后，对第一振动信号进行信息熵计算，得到与第一振动信号对应的熵值；最后，将熵值通过故障识别模型进行识别，得到柴油机的故障识别结果，其中，故障识别模型是根据柴油机在多种状态下的振动信号样本对应的熵值，以及熵值的状态标签训练预设识别模型得到的。可见，该方法将柴油机的振动信号对应的熵值作为特征参量，有效表征柴油机的不同状态，基于表征更加明显的熵值能够更加准确地识别出柴油机的故障，从而提高柴油机故障识别的准确率。从而提高柴油机故障识别的准确率。从而提高柴油机故障识别的准确率。

【技术实现步骤摘要】
一种柴油机故障识别方法及装置


[0001]本申请涉及故障识别
，尤其涉及一种柴油机故障识别方法及装置。

技术介绍

[0002]柴油机被广泛应用于运输、船舶、建筑、发电机组等多个方面。然而，由于柴油机结构复杂、内部多态交互，导致其在运行过程中经常会出现故障，严重影响了柴油机的使用。因此，准确识别出柴油机的故障对柴油机运行的稳定性和安全性至关重要。
[0003]现有技术中，柴油机故障识别的方法通常是从柴油机的振动信号提取均值、方差等统计学特征，再将统计学特征通过柴油机故障识别模型进行识别，得到柴油机的故障识别结果。
[0004]然而，在上述柴油机故障识别的方法中，振动信号受柴油机运行过程中强背景噪声的影响，提取得到的统计学特征不明显，不能有效表征柴油机的正常状态或故障状态，容易出现柴油机故障识别结果不准确的问题，导致柴油机故障识别的准确率低。

技术实现思路

[0005]有鉴于此，本申请实施例提供了一种柴油机故障识别方法及装置，旨在提高柴油机故障识别的准确率。
[0006]第一方面，本申请实施例提供了一种柴油机故障识别方法，所述方法包括：
[0007]采集柴油机的第一振动信号；
[0008]对所述第一振动信号进行信息熵计算，获得与所述第一振动信号对应的熵值；
[0009]将所述熵值通过故障识别模型进行识别，获得所述柴油机的故障识别结果，所述故障识别模型是根据所述柴油机在多种状态下的振动信号样本对应的熵值，以及所述熵值的状态标签训练预设识别模型得到的。r/>[0010]可选地，所述对所述第一振动信号进行信息熵计算，获得与所述第一振动信号对应的熵值，具体为：
[0011]对所述第一振动信号进行相位熵计算，获得与所述第一振动信号对应的相位熵值。
[0012]可选地，所述第一振动信号包括多个振动信号点，所述对所述第一振动信号进行相位熵计算，获得与所述第一振动信号对应的相位熵值，包括：
[0013]根据预设序列公式对每个振动信号点进行计算，获得与所述每个振动信号点对应的两个序列值；
[0014]根据反正切函数，将所述两个序列值的比值转换为角度；
[0015]对所述角度进行均分，获得多个均分角度；
[0016]计算每个均分角度的累计斜率，并计算所述累计斜率占所述角度对应的斜率的比值，获得所述每个均分角度的分布值；
[0017]根据预设计算公式和所述分布值，获得所述相位熵值。
[0018]可选地，在对所述第一振动信号进行信息熵计算，获得与所述第一振动信号对应的熵值之前，还包括：
[0019]根据预设时间尺度，将所述第一振动信号分割为多个第二振动信号；
[0020]所述对所述第一振动信号进行信息熵计算，获得与所述第一振动信号对应的熵值，具体为：
[0021]对所述多个第二振动信号进行所述信息熵计算，获得与所述多个第二振动信号对应的多个熵值；
[0022]所述将所述熵值通过故障识别模型进行识别，获得所述柴油机的故障识别结果，具体为：
[0023]将每个第二振动信号对应的每个熵值通过所述故障识别模型进行识别，获得所述柴油机的所述故障识别结果。
[0024]可选地，所述多种状态包括正常状态和至少一种故障状态。
[0025]可选地，所述故障识别模型的训练步骤，包括：
[0026]获取所述柴油机在所述多种状态下的所述振动信号样本和所述状态标签；
[0027]通过预设识别模型对所述振动信号样本进行识别，获得所述柴油机的故障识别结果；
[0028]根据所述故障识别结果、所述状态标签和所述预设识别模型的损失函数，训练所述预设识别模型的参数；
[0029]将训练完成的所述预设识别模型确定为所述故障识别模型。
[0030]可选地，所述预设识别模型具体为光滑支持向量机SSVM。
[0031]第二方面，本申请实施例提供了一种柴油机故障识别装置，所述装置包括：
[0032]采集模块，用于采集柴油机的第一振动信号；
[0033]计算模块，用于对所述第一振动信号进行信息熵计算，获得与所述第一振动信号对应的熵值；
[0034]识别模块，用于将所述熵值通过故障识别模型进行识别，获得所述柴油机的故障识别结果，所述故障识别模型是根据所述柴油机在多种状态下的振动信号样本对应的熵值，以及所述熵值的状态标签训练预设识别模型得到的。
[0035]第三方面，本申请实施例提供了一种柴油机故障识别设备，所述设备包括：
[0036]存储器，用于存储计算机程序；
[0037]处理器，用于执行所述计算机程序，以使所述设备执行前述第一方面所述的柴油机故障识别方法。
[0038]第四方面，本申请实施例提供了一种计算机存储介质，所述计算机存储介质上存储有计算机程序，当所述计算机程序被运行时，运行所述计算机程序的设备实现前述第一方面所述的柴油机故障识别方法。
[0039]相较于现有技术，本申请实施例具有以下有益效果：
[0040]本申请实施例提供了一种柴油机故障识别方法及装置，在该方法中，首先，采集柴油机的第一振动信号；然后，对第一振动信号进行信息熵计算，得到与第一振动信号对应的熵值；最后，将熵值通过故障识别模型进行识别，得到柴油机的故障识别结果，其中，故障识别模型是根据柴油机在多种状态下的振动信号样本对应的熵值，以及熵值的状态标签训练
预设识别模型得到的。可见，该方法将柴油机的振动信号对应的熵值作为特征参量，有效表征柴油机的不同状态，基于表征更加明显的熵值能够更加准确地识别出柴油机的故障，从而提高柴油机故障识别的准确率。
附图说明
[0041]为更清楚地说明本实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0042]图1为本申请实施例提供的一种柴油机故障识别方法的应用场景；
[0043]图2为本申请实施例提供的一种柴油机故障识别方法的流程图；
[0044]图3为本申请实施例提供的一种柴油机故障识别装置的结构示意图。
具体实施方式
[0045]为了使本
的人员更好地理解本申请方案，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
[0046]目前，已有的柴油机故障识别方法为通常是从柴油机的振动信号提取均值、方差等统计学特征，再将统计学特征通过柴油机故障识别模型进行识别，得到柴油机的故障识别结果。然而，在该柴油机故障识别的方法中，振动信号受柴油机运行过程中强背本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种柴油机故障识别方法，其特征在于，所述方法包括：采集柴油机的第一振动信号；对所述第一振动信号进行信息熵计算，获得与所述第一振动信号对应的熵值；将所述熵值通过故障识别模型进行识别，获得所述柴油机的故障识别结果，所述故障识别模型是根据所述柴油机在多种状态下的振动信号样本对应的熵值，以及所述熵值的状态标签训练预设识别模型得到的。2.根据权利要求1所述的方法，其特征在于，所述对所述第一振动信号进行信息熵计算，获得与所述第一振动信号对应的熵值，具体为：对所述第一振动信号进行相位熵计算，获得与所述第一振动信号对应的相位熵值。3.根据权利要求2所述的方法，其特征在于，所述第一振动信号包括多个振动信号点，所述对所述第一振动信号进行相位熵计算，获得与所述第一振动信号对应的相位熵值，包括：根据预设序列公式对每个振动信号点进行计算，获得与所述每个振动信号点对应的两个序列值；根据反正切函数，将所述两个序列值的比值转换为角度；对所述角度进行均分，获得多个均分角度；计算每个均分角度的累计斜率，并计算所述累计斜率占所述角度对应的斜率的比值，获得所述每个均分角度的分布值；根据预设计算公式和所述分布值，获得所述相位熵值。4.根据权利要求1所述的方法，其特征在于，在对所述第一振动信号进行信息熵计算，获得与所述第一振动信号对应的熵值之前，还包括：根据预设时间尺度，将所述第一振动信号分割为多个第二振动信号；所述对所述第一振动信号进行信息熵计算，获得与所述第一振动信号对应的熵值，具体为：对所述多个第二振动信号进行所述信息熵计算，获得与所述多个第二振动信号对应的多个熵值；所述将所述熵值通过故障识别模型进行识别，获得所述柴油机的故障识别结果，具体为：将每个第...

【专利技术属性】
技术研发人员：张振京，严孝强，孙彦森，
申请(专利权)人：潍坊潍柴动力科技有限责任公司，
类型：发明
国别省市：