System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本申请涉及故障诊断,尤其涉及一种联轴器故障检测方法、装置、设备及存储介质。
技术介绍
1、联轴器是轴与轴之间传递旋转运动与扭矩的关键设备,联轴器不对中将引发振动,增加设备发热与磨损,导致设备性能下降,因此,在运行状态下实时高效的进行联轴器故障检测具有重要意义。
2、相关技术中的联轴器故障检测方法主要是基于机理模型的检测方法,由于在机理模型的构建过程中,需要考虑诸多复杂的物理因素,且离不开该领域专家的先验知识,模型构建较为费时;此外,所构建的机理模型能够应对的场景较为有限,面对实际应用场景下普遍存在的噪声问题,基于机理模型的方法在检测精度上的性能较差。
技术实现思路
1、本申请的主要目的在于提供一种联轴器故障检测方法、装置、设备及存储介质,旨在解决相关技术中,通过基于机理模型的检测方法对联轴器进行故障检测,在检测精度上的性能较差的技术问题。
2、为实现上述目的,本申请实施例提供了一种联轴器故障检测方法,所述方法包括:
3、采集联轴器的实时状态信号;
4、将所述实时状态信号输入至预设检测模型中;
5、基于所述预设检测模型,对所述实时状态信号进行故障检测处理,得到检测结果;
6、其中,所述预设检测模型是基于不同工作状态下的联轴器的状态信号进行迭代训练后得到的多种模型中预测准确率最高的模型。
7、在本申请的一种可能的实施方式中,所述将所述实时状态信号输入至预设检测模型中的步骤之前,包括:
8、采
9、将采集到的所述状态信号转换为状态信号样本;
10、基于所述状态信号样本和预设模型搜索空间,从经过最大迭代训练次数后得到的多种神经网络模型中选取预测准确率最高的预设检测模型。
11、在本申请的一种可能的实施方式中,所述基于所述状态信号样本和预设模型搜索空间,从经过最大迭代训练次数后得到的多种神经网络模型中选取预测准确率最高的预设检测模型的步骤,包括:
12、基于所述状态信号样本,对预设模型搜索空间中多个神经网络模型进行迭代训练,得到各神经网络模型对应的预测结果;
13、在每次迭代训练过程中,对各所述预测结果进行评估,得到评估结果;
14、基于所述评估结果,搜索所述预设模型搜索空间中的预测结果准确率的最大值对应的神经网络模型,直至各所述神经网络模型训练至最大迭代次数,得到预设检测模型。
15、在本申请的一种可能的实施方式中,所述在每次迭代训练过程中,对各所述预测结果进行评估,得到评估结果的步骤,包括:
16、获取各所述神经网络模型对应的初始权重值;
17、在每次迭代训练过程中,基于所述状态信号样本的训练集,将所述初始权重值训练为第一权重值;
18、基于所述状态信号样本的测试集和所述第一权重值,确定各所述神经网络模型对应的预测结果;
19、基于预设进化算法、所述第一权重值以及各所述预测结果,更新预设模型搜索空间的模型集合,得到更新后的模型集合;
20、对所述更新后的模型集合进行评估,得到评估结果。
21、在本申请的一种可能的实施方式中,所述基于所述预设检测模型,对所述实时状态信号进行故障检测处理,得到检测结果的步骤,包括:
22、基于所述预设检测模型,将所述实时状态信号转换为状态数据样本;
23、通过各个所述预设检测模型中的神经网络对所述状态数据样本进行故障分类处理,得到检测结果。
24、在本申请的一种可能的实施方式中,所述基于所述预设检测模型,对所述实时状态信号进行故障检测处理,得到检测结果的步骤之后,还包括:
25、判定所述检测结果是否为联轴器处于异常状态,其中,所述异常状态包括平行不对中、角度不对中以及综合不对中;
26、若是,则将所述异常状态对应的故障码。
27、在本申请的一种可能的实施方式中,所述从经过最大迭代训练次数后得到的多种神经网络模型中选取预测准确率最高的预设检测模型的步骤之后,包括:
28、将所述预设检测模型保存为预设格式;
29、将所述预设检测模型以预设格式部署于所述联轴器对应的驱动器中,以满足模型部署需求。
30、本申请还提供一种联轴器故障检测装置,所述联轴器故障检测装置包括:
31、第一采集模块,用于采集联轴器的实时状态信号;
32、输入模块,用于将所述实时状态信号输入至预设检测模型中;
33、处理模块,用于基于所述预设检测模型,对所述实时状态信号进行故障检测处理,得到检测结果,其中,所述预设检测模型是基于不同工作状态下的联轴器的状态信号进行迭代训练后得到的多种模型中预测准确率最高的模型。
34、本申请还提供一种联轴器故障检测设备,所述联轴器故障检测设备为实体节点设备,所述联轴器故障检测设备包括:存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的所述联轴器故障检测方法的程序,所述联轴器故障检测方法的程序被处理器执行时可实现如上述所述联轴器故障检测方法的步骤。
35、为实现上述目的,还提供一种存储介质,所述存储介质上存储有联轴器故障检测程序,所述联轴器故障检测程序被处理器执行时实现上述任一所述的联轴器故障检测方法的步骤。
36、本申请提供了一种联轴器故障检测方法、装置、设备及存储介质。与相关技术中,通过基于机理模型的检测方法对联轴器进行故障检测,在检测精度上的性能较差相比,在本申请中,通过采集联轴器的实时状态信号,并通过预设检测模型对实时状态信号进行故障检测处理,根据得到的检测结果,确定联轴器是否存在故障,由于预设检测模型是基于不同工作状态下的联轴器的状态信号进行迭代训练后的多种模型中,所得到的预测准确率最高的模型,在多种模型中抽取准确率最优结果的模型,从而提高了模型的检测精度,避免得到的联轴器的检测结果出现偏差。
本文档来自技高网...【技术保护点】
1.一种联轴器故障检测方法,其特征在于,所述联轴器故障检测方法包括以下步骤:
2.如权利要求1所述的联轴器故障检测方法,其特征在于,所述将所述实时状态信号输入至预设检测模型中的步骤之前,包括:
3.如权利要求2所述的联轴器故障检测方法,其特征在于,所述基于所述状态信号样本和预设模型搜索空间,从经过最大迭代训练次数后得到的多种神经网络模型中选取预测准确率最高的预设检测模型的步骤,包括:
4.如权利要求3所述的联轴器故障检测方法,其特征在于,所述在每次迭代训练过程中,对各所述预测结果进行评估,得到评估结果的步骤,包括:
5.如权利要求1所述的联轴器故障检测方法,其特征在于,所述基于所述预设检测模型,对所述实时状态信号进行故障检测处理,得到检测结果的步骤,包括:
6.如权利要求1所述的联轴器故障检测方法,其特征在于,所述基于所述预设检测模型,对所述实时状态信号进行故障检测处理,得到检测结果的步骤之后,还包括:
7.如权利要求2所述的联轴器故障检测方法,其特征在于,所述从经过最大迭代训练次数后得到的多种神经网络模型中
8.一种联轴器故障检测装置,其特征在于,所述联轴器故障检测装置包括:
9.一种联轴器故障检测设备,其特征在于,所述设备包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的联轴器故障检测程序,所述联轴器故障检测程序配置为实现如权利要求1至7中任一项所述的联轴器故障检测方法的步骤。
10.一种计算机存储介质,其特征在于,所述计算机存储介质上存储有联轴器故障检测程序,所述联轴器故障检测程序被处理器执行时实现如权利要求1至7中任一项所述的联轴器故障检测方法的步骤。
...【技术特征摘要】
1.一种联轴器故障检测方法,其特征在于,所述联轴器故障检测方法包括以下步骤:
2.如权利要求1所述的联轴器故障检测方法,其特征在于,所述将所述实时状态信号输入至预设检测模型中的步骤之前,包括:
3.如权利要求2所述的联轴器故障检测方法,其特征在于,所述基于所述状态信号样本和预设模型搜索空间,从经过最大迭代训练次数后得到的多种神经网络模型中选取预测准确率最高的预设检测模型的步骤,包括:
4.如权利要求3所述的联轴器故障检测方法,其特征在于,所述在每次迭代训练过程中,对各所述预测结果进行评估,得到评估结果的步骤,包括:
5.如权利要求1所述的联轴器故障检测方法,其特征在于,所述基于所述预设检测模型,对所述实时状态信号进行故障检测处理,得到检测结果的步骤,包括:
6.如权利要求1所述的联轴器故障检测方法,其特征在于...
【专利技术属性】
技术研发人员:杨德民,孙鹏,陈建,孙义,
申请(专利权)人:苏州汇川技术有限公司,
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。