融合峭度和卷积自编码器的转子系统早期异常检测方法技术方案

本发明专利技术公开了一种融合峭度和卷积自编码器的转子系统早期异常检测方法。它包括如下步骤：步骤一：采集转子系统正常振动信号，并分段截取信号后计算得到峭度值；步骤二：构建卷积自编码器模型，对卷积自编码器模型中的数据进行训练，使模型具备识别正常数据的能力；步骤三：当采用正常的数据进行检测转子系统时，得到的均方差的正常波动范围；当转子系统异常时，重构数据与输入数据运算得到的均方差就会超出正常波动范围，通过二者对比，就可以得到异常检测的结果。本发明专利技术具有可对转子系统进行检测并发现转子系统的早期异常工作情况，且检测准确率高的优点。测准确率高的优点。测准确率高的优点。

【技术实现步骤摘要】
融合峭度和卷积自编码器的转子系统早期异常检测方法


[0001]本专利技术涉及一种转子系统异常检测方法，更具体地说它是一种融合峭度和卷积自编码器的转子系统早期异常检测方法。

技术介绍

[0002]转子系统作为复杂旋转机械最为关键的组成部分之一，在机器进行高速运行的过程中，发挥着核心的作用。随着现代工业对机器的功率和效率要求的不断提高，转子系统的各个部件结构逐渐趋于精密化、精细化，在这样的大背景下，转子系统发生故障的案例逐渐增加。
[0003]转子系统作为旋转机械的重要组成部位、核心部件，也是较为容易发生故障的系统；转子系统的结构框架复杂，故障形式机理多样，但是在故障发生初期，由于故障较为微弱难以察觉，常常错过故障最佳修理时间；故在检测的初期发现转子系统的异常检测具有重要的意义。
[0004]公布号CN114429173A，公开了一种基于支持向量数据描述的转子系统异常检测方法，利用传感器采集转子正常状态运行下的数据构成正常数据集；提取正常数据集中的时域特征与频域特征作为支持向量数据描述模型的训练集；利用传感器在线实时采集转子故障状态本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.融合峭度和卷积自编码器的转子系统早期异常检测方法,其特征在于包括如下步骤：步骤一：采集转子系统正常振动信号，并分段截取信号后计算得到峭度值；步骤二：构建卷积自编码器模型，对卷积自编码器模型中的数据进行训练，使模型具备识别正常数据的能力；步骤三：当采用正常的数据进行检测转子系统时，得到的均方差小的正常波动范围；当转子系统异常时，重构数据与输入数据运算得到的均方差就会超出正常波动范围，通过二者对比，就可以得到异常检测的结果。2.根据权利要求1所述的融合峭度和卷积自编码器的转子系统早期异常检测方法,其特征在于：所述峭度指标数学表达式为：其中：K为信号x的峭度指标；N为信号x的长度；μ为信号x的均值；σ为信号x的标准差，E是数学符号。3.根据权利要求1所述的融合峭度和卷积自编码器的转子系统早期异常检测方法,其特征在于所述卷积自编码器模型的工作过程为：通过对输入的峭度值一维数据进行编码和解码，得到输出数据，再通过均方差函数运算，对比输入和输出数据之间的差异，进行异常检测；在编码的过程中，通过对输入数据进行编码，公式为：wx+b＝h其中：x表示的是原始的输入输出数据，w和b都称为权重，既通过卷积运算和池化运算的编码过程后可以得到数据h；在解码的过程中，通过对编码所得到的数据，进行解码，既转置卷积运算，得到输出数据；公式为：其中：表示的是最终模型输出的重构数据，w1和b1分别为得到输出的权重；使用均方差函数对输入数据和输出数据进行运算，均方差公式如下：模型通过训练正常状态的数据后，具备重构正常数据的能力，得到的均方差数值较小；当输入故障或者异常的数据时，得到的均方差的数值较大，通过对比，即可检测出系统是否处于正常工作状态。4.根据权利要求3所述的融合峭度和卷积自编码器的转子系统早期异常检测方法,其特征在于：所述卷积自编码器模型的运算过程如下：(1)卷积运算卷积层是卷积神经网络的组成部分，包含了一系列的卷积核，通过卷积核对输入的数据进行卷积运算，最后得到卷积层的输入；其运算公...

【专利技术属性】
技术研发人员：王强，邢芷恺，李默，刘永葆，贺星，
申请(专利权)人：中国人民解放军海军工程大学，
类型：发明
国别省市：