【技术实现步骤摘要】
本专利技术涉及齿轮结构故障监测，特别是涉及一种装甲车齿轮传动结构的故障监测方法、系统及设备。
技术介绍
1、随着工业化的不断推进，在装甲车传动结构中，齿轮结构的正常运行对于装甲车是至关重要的。然而，传统的齿轮结构监测方法主要依赖于专业工程师的人工检测，存在安装复杂、监测范围有限、不易于及时发现故障等问题。目前，存在一些利用图像处理的齿轮结构监测方法。然而，这些方法往往仅能够从单一角度提取有限的信息，且针对动设备具有一定的局限性。而且，部分现有算法对于关键部位的重要性辨别不够准确，缺乏全局视野，导致对于齿轮结构状态的判断存在一定的误差。因此，亟需一种创新的齿轮结构监测方法，能够克服传统方法的局限性，实现对于齿轮结构状态的高效监测和准确预测。
技术实现思路
1、本专利技术的目的是提供一种装甲车齿轮传动结构的故障监测方法、系统及设备，能够提高装甲车齿轮传动结构的故障监测的效率和精度。
2、为实现上述目的，本专利技术提供了如下方案：
3、一种装甲车齿轮传动结构的故障监测方法，包括：
4、获取装甲车中待监测齿轮传动结构的实时图像；
5、将所述实时图像进行预处理，得到预处理后的实时图像；
6、将预处理后的实时图像输入到故障检测模型中，确定待监测齿轮传动结构的故障程度；所述故障检测模型是利用多张标注后的齿轮传动结构历史图像，对初始故障检测模型进行训练得到的；所述初始故障检测模型包括依次连接的多维感知神经网络、注意力机制和辨别函数。>
7、可选的，所述预处理依次包括去噪处理和灰度处理。
8、可选的，多维感知神经网络包括多个并联的特征提取分支；所述特征提取分支与所述待监测齿轮传动结构中的部件一一对应；所述特征提取分支用于从预处理后的实时图像中提取对应部件的特征；
9、所述特征提取分支包括依次连接的卷积层、改进非线性激活函数、m-pool算子和非线性激活函数。
10、可选的，所述部件包括齿高、齿槽、端面、齿顶和齿根。
11、可选的，所述改进非线性激活函数为：
12、f(x)＝max(αx,x)；
13、其中，x表示改进非线性激活函数的输入；α表示改进非线性激活函数的可变负斜率。
14、可选的，将预处理后的实时图像输入到故障检测模型中，确定待监测齿轮传动结构的故障程度，包括：
15、将预处理后的实时图像输入到故障检测模型中多维感知神经网络，得到多个部件特征；
16、根据第一转换矩阵和多个部件特征，构建每个部件特征的第一特征矩阵；
17、根据第二转换矩阵和多个部件特征，构建每个部件特征的第二特征矩阵；
18、将同一部件特征对应的第一特征矩阵和第二特征矩阵相乘，作为对应部件特征的相关性；
19、确定最大相关性对应的部件特征为关键部件特征；
20、将所述关键部件特征输入所述辨别函数，得到预测值；
21、根据所述预测值所在区间，确定待监测齿轮传动结构的故障程度；所述区间与所述故障程度一一对应。
22、可选的，在获取装甲车中待监测齿轮传动结构的实时图像之前，还包括：
23、构建初始故障检测模型；
24、获取多张齿轮传动结构历史图像；
25、对多张齿轮传动结构历史图像分别进行预处理，得到多张预处理后的齿轮传动结构历史图像；
26、对多张预处理后的齿轮传动结构历史图像中齿轮传动结构的故障程度进行标注，得到多张齿轮传动结构历史标注图像；
27、以预处理后的齿轮传动结构历史图像为输入，以齿轮传动结构历史标注图像为输出，对初始故障检测模型进行训练，得到故障检测模型。
28、可选的，在将预处理后的实时图像输入到故障检测模型中，确定待监测齿轮传动结构的故障程度之后，还包括：
29、将预处理后的实时图像和识别出故障检测模型的故障程度作为数据对，添加到历史数据集中；
30、当历史数据集中的数据对达到预设数量的整数倍时，提取后预设数量个数据对为训练集；
31、利用训练集更新所述故障检测模型。
32、一种装甲车齿轮传动结构的故障监测系统，包括：
33、实时图像获取模块，用于获取装甲车中待监测齿轮传动结构的实时图像；
34、预处理模块，用于将所述实时图像进行预处理，得到预处理后的实时图像；
35、故障程度确定模块，用于将预处理后的实时图像输入到故障检测模型中，确定待监测齿轮传动结构的故障程度；所述故障检测模型是利用多张标注后的齿轮传动结构历史图像，对初始故障检测模型进行训练得到的；所述初始故障检测模型包括依次连接的多维感知神经网络、注意力机制和辨别函数。
36、一种电子设备，包括存储器及处理器，所述存储器用于存储计算机程序，所述处理器运行所述计算机程序以使所述电子设备执行所述的一种装甲车齿轮传动结构的故障监测方法，所述存储器为可读存储介质。
37、根据本专利技术提供的具体实施例，本专利技术公开了以下技术效果：
38、本专利技术提供了一种装甲车齿轮传动结构的故障监测方法、系统及设备，针对传统齿轮结构传动监测方法主要依赖于专业的工程师进行测量，存在安装复杂、不易于及时发现故障等问题，通过高速摄像装置实时采集齿轮结构图像，经过图像预处理和多维感知神经网络处理，基于不同齿轮齿槽、齿高等部位变形情况，识别关键变形部位，进而预测齿轮结构的发生故障的可能并及时作出处理；1.通过多维感知神经网络，算法能够从不同齿轮的不同端面、齿根齿槽等部位提取丰富的图像信息，建立不同部位之间的关系。这使得系统更全面、深入地理解齿轮结构的状态，提高了对齿轮结构内外部结构的监测准确性；通过关系识别和注意力机制，系统能够准确识别齿轮结构中不同部位形变的相对重要性，有针对性地关注重点形变区域。这提高了系统对于潜在故障的敏感性，降低了误报的可能性；通过日志记录对训练和运行过程进行详细追踪，提高了实时性和可追溯性，这有助于及时发现和纠正系统运行中的问题，保障了长期运行过程的稳定性；模型的定期更新机制使系统能够适应新数据和不断变化的工作环境，提高了系统的可持续性和适应性。这有助于系统在长期运行中持续高效，不仅降低了维护成本，也提高了整体监测系统的可靠性；通过多维感知神经网络，算法综合利用了来自不同方面的信息，增强了对齿轮结构状态的全面理解。这种多维信息处理为系统在复杂工作环境中的应用提供了显著的优势。
本文档来自技高网...【技术保护点】
1.一种装甲车齿轮传动结构的故障监测方法，其特征在于，包括：
2.根据权利要求1所述的一种装甲车齿轮传动结构的故障监测方法，其特征在于，所述预处理依次包括去噪处理和灰度处理。
3.根据权利要求1所述的一种装甲车齿轮传动结构的故障监测方法，其特征在于，多维感知神经网络包括多个并联的特征提取分支；所述特征提取分支与所述待监测齿轮传动结构中的部件一一对应；所述特征提取分支用于从预处理后的实时图像中提取对应部件的特征；
4.根据权利要求3所述的一种装甲车齿轮传动结构的故障监测方法，其特征在于，所述部件包括齿高、齿槽、端面、齿顶和齿根。
5.根据权利要求3所述的一种装甲车齿轮传动结构的故障监测方法，其特征在于，所述改进非线性激活函数为：
6.根据权利要求3所述的一种装甲车齿轮传动结构的故障监测方法，其特征在于，将预处理后的实时图像输入到故障检测模型中，确定待监测齿轮传动结构的故障程度，包括：
7.根据权利要求1所述的一种装甲车齿轮传动结构的故障监测方法，其特征在于，在获取装甲车中待监测齿轮传动结构的实时图像之前，还包括
8.根据权利要求1所述的一种装甲车齿轮传动结构的故障监测方法，其特征在于，在将预处理后的实时图像输入到故障检测模型中，确定待监测齿轮传动结构的故障程度之后，还包括：
9.一种装甲车齿轮传动结构的故障监测系统，其特征在于，包括：
10.一种电子设备，其特征在于，包括存储器及处理器，所述存储器用于存储计算机程序，所述处理器运行所述计算机程序以使所述电子设备执行权利要求1至8中任一项所述的一种装甲车齿轮传动结构的故障监测方法，所述存储器为可读存储介质。
...【技术特征摘要】
1.一种装甲车齿轮传动结构的故障监测方法，其特征在于，包括：
2.根据权利要求1所述的一种装甲车齿轮传动结构的故障监测方法，其特征在于，所述预处理依次包括去噪处理和灰度处理。
3.根据权利要求1所述的一种装甲车齿轮传动结构的故障监测方法，其特征在于，多维感知神经网络包括多个并联的特征提取分支；所述特征提取分支与所述待监测齿轮传动结构中的部件一一对应；所述特征提取分支用于从预处理后的实时图像中提取对应部件的特征；
4.根据权利要求3所述的一种装甲车齿轮传动结构的故障监测方法，其特征在于，所述部件包括齿高、齿槽、端面、齿顶和齿根。
5.根据权利要求3所述的一种装甲车齿轮传动结构的故障监测方法，其特征在于，所述改进非线性激活函数为：
6.根据权利要求3所述的一种装甲车齿轮传动结构...
【专利技术属性】
技术研发人员：李英顺，邱陶，郭占男，刘海洋，匡博琪，尹志鹏，郭丽楠，于浚豪，赵玉鑫，
申请(专利权)人：北京石油化工学院，
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。