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】
本专利技术涉及船舶舵机液压泵故障诊断,尤其涉及一种基于舵机液压泵信息融合的故障诊断方法及系统。
技术介绍
1、舵机是船舶的重要操纵设备之一,它是直接关联着船舶可操纵性的重要辅机之一,一旦其发生故障,将严重影响船舶航行的安全。船舶舵机系统由多个部件和系统组成,如果其中任何一个部件或系统发生故障,都可能导致整个舵机系统的操作受到影响。现代化的大中型船舶广泛采用液压舵机,它一般利用电动机带动液压泵,通过液压泵把机械能转化为油液的压力能,然后经过其他组件的共同作用,最终实现舵的转向。然而,船舶舵机中的液压泵需要在短时间内积极响应舵的转向指令,因而工作负荷变化较大,更容易发生磨损、泄漏等故障。其次,它需要在各种海洋环境下工作,对其稳定性的要求较高,因此,对船舶舵机液压泵进行及时、准确的故障诊断是很有必要的。
2、但由于其工作环境复杂以及工作状态变化较大等问题,船舶舵机液压泵的故障模式复杂,传统的使用单信号进行故障诊断的方法会导致提取信息不充分,且容易受到噪声的干扰,这都可能降低故障诊断的准确率。
技术实现思路
1、本专利技术通过提供一种基于舵机液压泵信息融合的故障诊断方法及系统,提高了故障诊断的准确率。
2、本专利技术提供了一种基于舵机液压泵信息融合的故障诊断方法,包括:
3、采集舵机液压泵的多源信号;
4、对所述多源信号进行融合;
5、对融合后的信号进行奇异值分解,得到k个分量矩阵;
6、对所述k个分量矩阵分别进行特征
7、将提取到的k个特征进行加权融合,并将加权融合后的信号输入到故障诊断模型,得到故障诊断结果。
8、具体来说,所述对所述多源信号进行融合,包括:
9、将所述多源信号进行逐段的张量叠加。
10、具体来说,所述对融合后的信号进行奇异值分解,得到k个分量矩阵,包括:
11、通过对所述融合后的信号x进行奇异值分解;其中,u=[u1 u2 … up]是信号x的左奇异值向量矩阵,v=[v1 v2 … vp]是信号x的右奇异值向量矩阵,∑1=diag(σ1,σ2,…,σp)是对角元素为σi的对角矩阵,σ1≥σ2≥…≥σp≥0,σi(i=1,2,…p)是矩阵的奇异值;
12、保留前k(k<p)个贡献较大的奇异值,获得信号x的近似表示:得到k个分量矩阵。
13、具体来说,所述对所述k个分量矩阵分别进行特征提取,包括:
14、将所述k个分量矩阵分别输入特征提取模块中进行特征提取;所述特征提取模块由一个cnn模块、改进的深度bilstm模块和一个全局平均池化层构成;所述cnn模块包含一条主路径和一个残差连接;所述主路径由卷积层、批量归一化和relu激活函数组成,用于对所述k个分量矩阵的局部特征进行提取;残差连接的路径上包含了一个卷积层,以弥补输入与输出维度的差异;所述改进的深度bilstm模块由norm、bilstm2d和channel mlp层组成;所述bilstm2d利用垂直bilstm和水平bilstm对输入数据进行特征提取,并将结果进行串联输出;所述垂直bilstm和水平bilstm均由正向lstm和反向lstm构成,将两者的输出进行串联;提取出的特征最终被输入到所述全局平均池化层中,得到每个分量矩阵的特征输出。
15、具体来说,所述将提取到的k个特征进行加权融合,包括:
16、将所述提取到的k个特征分别与对应的奇异值进行相乘,得到k个加权的特征;
17、将所述k个加权的特征串联,得到加权融合后的特征。
18、本专利技术还提供了一种基于舵机液压泵信息融合的故障诊断系统,包括:
19、多源信号采集模块,用于采集舵机液压泵的多源信号;
20、信号融合模块,用于对所述多源信号进行融合;
21、奇异值分解模块,用于对融合后的信号进行奇异值分解,得到k个分量矩阵;
22、特征提取模块,用于对所述k个分量矩阵分别进行特征提取;
23、故障诊断模块,用于将提取到的k个特征进行加权融合,并将加权融合后的信号输入到故障诊断模型,得到故障诊断结果。
24、具体来说,所述信号融合模块,具体用于将所述多源信号进行逐段的张量叠加。
25、具体来说,所述奇异值分解模块,具体用于通过对所述融合后的信号x进行奇异值分解;其中,u=[u1 u2 … up]是信号x的左奇异值向量矩阵,v=[v1 v2 … vp]是信号x的右奇异值向量矩阵,σ1=diag(σ1,σ2,…,σp)是对角元素为σi的对角矩阵,σ1≥σ2≥…≥σp≥0,σi(i=1,2,…p)是矩阵的奇异值;保留前k(k<p)个贡献较大的奇异值,获得信号x的近似表示:得到k个分量矩阵。
26、具体来说,所述特征提取模块,具体用于将所述k个分量矩阵分别输入特征提取模块中进行特征提取;所述特征提取模块由一个cnn模块、改进的深度bilstm模块和一个全局平均池化层构成;所述cnn模块包含一条主路径和一个残差连接;所述主路径由卷积层、批量归一化和relu激活函数组成,用于对所述k个分量矩阵的局部特征进行提取;残差连接的路径上包含了一个卷积层,以弥补输入与输出维度的差异;所述改进的深度bilstm模块由norm、bilstm2d和channel mlp层组成;所述bilstm2d利用垂直bilstm和水平bilstm对输入数据进行特征提取,并将结果进行串联输出;所述垂直bilstm和水平bilstm均由正向lstm和反向lstm构成,将两者的输出进行串联;提取出的特征最终被输入到所述全局平均池化层中,得到每个分量矩阵的特征输出。
27、具体来说,所述故障诊断模块,包括:
28、特征加权单元,用于将所述提取到的k个特征分别与对应的奇异值进行相乘,得到k个加权的特征;
29、特征融合单元,用于将所述k个加权的特征串联,得到加权融合后的特征;
30、故障诊断单元,用于将所述加权融合后的特征输入到一个全连接层和一个softmax层中,得到故障诊断结果。
31、本专利技术中提供的一个或多个技术方案,至少具有如下技术效果或优点:
32、1、对船舶舵机液压泵的多源信号进行采集,获取液压泵的振动、声学和压力信号。将这三种信号进行数据分割,将三种故障信号的分割数据融合成一个样本。然后使用截断奇异值分解对融合后的样本进行处理,得到k个分量矩阵。对这k个矩阵分别进行特征提取,然后将得到的k个特征进行加权融合与故障分类,最终得到船舶舵机液压泵的故障诊断结果,提高了故障诊断的准确率。
33、2、本专利技术通过对三种最能反映液压泵故障信息的信号——振动、声学和压力信号进行多源信息融合,提高了故障诊断的准确率和鲁棒性。
34、3、本专利技术对融合后的样本进行截断奇异值分解操作,将数据进行分解重构,得到了k个包含三种信号故障信息的分量矩阵本文档来自技高网...
【技术保护点】
1.一种基于舵机液压泵信息融合的故障诊断方法,其特征在于,包括:
2.如权利要求1所述的基于舵机液压泵信息融合的故障诊断方法,其特征在于,所述对所述多源信号进行融合,包括:
3.如权利要求1所述的基于舵机液压泵信息融合的故障诊断方法,其特征在于,所述对融合后的信号进行奇异值分解,得到k个分量矩阵,包括:
4.如权利要求1所述的基于舵机液压泵信息融合的故障诊断方法,其特征在于,所述对所述k个分量矩阵分别进行特征提取,包括:
5.如权利要求1-4中任一项所述的基于舵机液压泵信息融合的故障诊断方法,其特征在于,所述将提取到的k个特征进行加权融合,包括:
6.一种基于舵机液压泵信息融合的故障诊断系统,其特征在于,包括:
7.如权利要求6所述的基于舵机液压泵信息融合的故障诊断系统,其特征在于,所述信号融合模块,具体用于将所述多源信号进行逐段的张量叠加。
8.如权利要求6所述的基于舵机液压泵信息融合的故障诊断系统,其特征在于,所述奇异值分解模块,具体用于通过对所述融合后的信号X进行奇异值分解;其中,U=[u1
9.如权利要求6所述的基于舵机液压泵信息融合的故障诊断系统,其特征在于,所述特征提取模块,具体用于将所述k个分量矩阵分别输入特征提取模块中进行特征提取;所述特征提取模块由一个CNN模块、改进的深度BiLSTM模块和一个全局平均池化层构成;所述CNN模块包含一条主路径和一个残差连接;所述主路径由卷积层、批量归一化和ReLU激活函数组成,用于对所述k个分量矩阵的局部特征进行提取;残差连接的路径上包含了一个卷积层,以弥补输入与输出维度的差异;所述改进的深度BiLSTM模块由Norm、BiLSTM2D和channel MLP层组成;所述BiLSTM2D利用垂直BiLSTM和水平BiLSTM对输入数据进行特征提取,并将结果进行串联输出;所述垂直BiLSTM和水平BiLSTM均由正向LSTM和反向LSTM构成,将两者的输出进行串联;提取出的特征最终被输入到所述全局平均池化层中,得到每个分量矩阵的特征输出。
10.如权利要求6-9中任一项所述的基于舵机液压泵信息融合的故障诊断系统,其特征在于,所述故障诊断模块,包括:
...【技术特征摘要】
1.一种基于舵机液压泵信息融合的故障诊断方法,其特征在于,包括:
2.如权利要求1所述的基于舵机液压泵信息融合的故障诊断方法,其特征在于,所述对所述多源信号进行融合,包括:
3.如权利要求1所述的基于舵机液压泵信息融合的故障诊断方法,其特征在于,所述对融合后的信号进行奇异值分解,得到k个分量矩阵,包括:
4.如权利要求1所述的基于舵机液压泵信息融合的故障诊断方法,其特征在于,所述对所述k个分量矩阵分别进行特征提取,包括:
5.如权利要求1-4中任一项所述的基于舵机液压泵信息融合的故障诊断方法,其特征在于,所述将提取到的k个特征进行加权融合,包括:
6.一种基于舵机液压泵信息融合的故障诊断系统,其特征在于,包括:
7.如权利要求6所述的基于舵机液压泵信息融合的故障诊断系统,其特征在于,所述信号融合模块,具体用于将所述多源信号进行逐段的张量叠加。
8.如权利要求6所述的基于舵机液压泵信息融合的故障诊断系统,其特征在于,所述奇异值分解模块,具体用于通过对所述融合后的信号x进行奇异值分解;其中,u=[u1 u2…up]是信号x的左奇异值向量矩阵,v=[v1 v2…vp]是信号x的右奇异值向量矩阵,∑1=diag(σ1,σ2,…,σp...
【专利技术属性】
技术研发人员:吕雅琼,王贤,李一凡,刘余,刘佳仑,
申请(专利权)人:武汉理工大学,
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。