【技术实现步骤摘要】
一种基于自适应滑动窗口的故障模式识别方法及系统
[0001]本专利技术涉及一种基于自适应滑动窗口的故障模式识别方法及系统，属于机械设备故障模式判别领域
。
技术介绍
[0002]随着先进传感器技术
、
数据总线技术与网络通信技术的日益先进，能够获取的机械设备运行状态数据要素已十分完备，对高频振动数据能够实现万赫兹量级的采集频率，使数据具备很强的异常特征敏感性，为基于数据驱动的故障检测及故障诊断提供了前置条件
。
除此以外，高性能计算
、
机器学习与人工智能技术的发展，同样刺激着基于数据驱动的故障检测及诊断技术的深入研究
。
[0003]数据驱动故障检测与识别方法与传统的基于传感器信号或物理模型的对应方法相比，既具备基于传感器信号方法的简单直接易于实现，也具备基于物理模型方法的深层次分析能力，并且更为泛化，能够提炼出技术人员建模经验之外的信息
。
目前，数据驱动算法研究的关注度愈来愈高，相关研究工程落地的产品也已在航空
、
航天
、
汽车
、
船舶等各个领域大量投入应用
。
[0004]目前，在该类设备测试试验结束后，技术人员需利用商用软件
(Origin
，
Matlab
，
Excel
等
)
对测试数据手动分析，基于经验对特定数据
(
如倍频区域
)
特征进行判断，初步...
【技术保护点】
【技术特征摘要】
1.
一种基于自适应滑动窗口的故障模式识别方法，其特征在于包括：对指定数量的设备进行状态测试，获取各设备测试数据，并根据测试情况确定设备的健康状态标签，对异常状态的设备进行拆机检查，确定该设备故障模式标签，并汇总确定设备测试参数；设备测试参数包括总数据集
、
健康状态标签
、
故障模式标签，总数据集为各测试设备预设次数的全部测试数据；对设备测试参数进行筛选，并通过随机森林方法对设备测试参数的重要性进行筛选排序，对设备测试参数中的故障表征参数通过傅里叶变换获取故障表征参数的频谱；选取预设的涉及已知故障模式的设备
、
健康状态标签为健康的设备的故障表征参数对应的频谱作为训练集，构建包含各类型故障模式的设备故障模式识别算法并进行故障模式识别模型训练；选取测试集，对训练后的设备故障模式识别算法进行故障模式识别能力测试；利用通过测试的设备故障识别算法对待识别的设备测试数据进行故障模式识别
。2.
根据权利要求1所述的一种基于自适应滑动窗口的故障模式识别方法，其特征在于：根据各类故障表征参数特性，选取高频振动参数作为设备测试参数中的故障表征参数；利用设备的健康状态标签与高频振动参数构建随机森林模型，计算各类故障表征参数的袋外错误率，根据袋外错误率对当前设备的故障表征参数进行故障表征能力排序，选取排序前三位的故障表征参数对当前设备的工作状态进行表征，用于后续算法输入
。3.
根据权利要求2所述的一种基于自适应滑动窗口的故障模式识别方法，其特征在于：所述设备故障模式识别算法的构建基于自适应滑动窗口实现；选择包含对应故障模式的设备
、
若干健康设备的故障表征参数作为训练集，分别针对不同类别故障模式进行故障识别模型训练，故障识别模型输出为状态值，通过状态值对各故障模式是否存在进行表征
。4.
根据权利要求3所述的一种基于自适应滑动窗口的故障模式识别方法，其特征在于：所述设备故障模式识别算法中，不同故障模式通过特有频谱频域区间特征进行反应，具体为：以具备特定故障模式的正常状态或异常状态的设备的故障表征参数作为输入，以表征是否具有对应故障模式状态存在的状态值为输出量，通过构建频域滑窗穷举频域区间，于各故障模式对应的频域区间中进行聚类分析，确定聚类分析后各设备故障状态
、
健康状态对应的频谱频域区间，根据频域窗口信息获取当前故障模型对应故障模式的频谱频域区间，作为故障模式识别算法中故障判别的依据
。5.
根据权利要求4所述的一种基于自适应滑动窗口的故障模式识别方法，其特征在于：对故障识别模型进行故障模式识别能力测试的具体步骤为：训练完成后，分别将各次测试的故障表征参数送入训练后的故障识别模型，判断故障识别模型输出表征是否为对应故障模式的状态值，若状态值与该次测试的故障模式标签吻合，则认为判断准确，否则认为判断不准确，统计测试结果准确率以判断模型准确性
。6.
一种基于自适应滑动窗口的故障模式识别系统，其特征在于：包括数据采集...
【专利技术属性】
技术研发人员：刘梓琰，王冠，张学英，李璨，刘巧珍，余锋祥，许银翠，王潇宇，范浩鑫，蔡宜伦，黄晨，郭翔宇，白永超，刘存秋，王伟，吉彬，马吉阳，李舟阳，
申请(专利权)人：北京宇航系统工程研究所，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。