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】
本专利技术涉及智能检测,尤其涉及一种时间相关特征重构的无监督柱塞泵异常检测方法及装置。
技术介绍
1、在实际的工程应用中,一旦柱塞泵发生了故障,工作人员往往会停止整个液压系统的工作,并且更换柱塞泵,而不是在确定柱塞泵的故障原因后进行检修,因为柱塞泵本身作为易损件,整体更换的成本和效率往往要优于拆卸维修。因此,及时准确地检测出柱塞泵的异常状态,从而尽早采取相应措施,避免整个液压系统由于单个柱塞泵的异常而发生损坏,这在工程实践中具有重要意义。
2、传统的柱塞泵故障诊断方法通常依赖专家经验知识进行诊断,不仅检测效率低下,且准确性也受限于专家经验知识。
3、因此,亟需提供一种时间相关特征重构的无监督柱塞泵异常检测方法及装置来解决上述问题。
技术实现思路
1、本专利技术提供一种时间相关特征重构的无监督柱塞泵异常检测方法及装置,用以解决现有技术中检测效率低下、准确率低的缺陷,实现高效精准地进行柱塞泵检测。
2、本专利技术提供一种时间相关特征重构的无监督柱塞泵异常检测方法,包括:
3、对目标柱塞泵的当前稳态运行振动信号进行统计特征提取,得到所述目标柱塞泵的多维当前运行统计特征;
4、对多维所述当前运行统计特征进行特征筛选,得到所述目标柱塞泵的当前关联统计特征;
5、将所述当前关联统计特征输入至检测模型,得到所述目标柱塞泵的故障预测结果;
6、根据所述故障预测结果,生成所述目标柱塞泵的故障预警信息;
7
8、根据本专利技术提供的一种时间相关特征重构的无监督柱塞泵异常检测方法,所述检测模型是基于如下步骤训练得到的:
9、对所述第一样本柱塞泵的历史稳态运行振动信号进行统计特征提取和特征筛选,得到所述第一样本柱塞泵的历史关联统计特征;
10、将所述历史关联统计特征输入至所述初始模型,得到所述初始模型的编码层输出的第一编码特征和所述初始模型的解码层输出的第一重构特征;
11、以最小化所述历史关联统计特征与所述第一重构特征之间的重构误差,以及最大化所述第一编码特征的后验概率为目标,对所述初始模型进行迭代训练,得到所述检测模型。
12、根据本专利技术提供的一种时间相关特征重构的无监督柱塞泵异常检测方法,所述初始模型的编码层是基于所述vae的编码器、第一特征嵌入层以及所述lstm构建形成;所述初始模型的解码层是基于第二特征嵌入层和所述vae的解码器构建形成;
13、所述将所述历史关联统计特征输入至所述初始模型,得到所述初始模型的编码层输出的第一编码特征和所述初始模型的解码层输出的第一重构特征,包括:
14、将所述历史关联统计特征输入至所述编码器,得到所述编码器输出的所述历史关联统计特征的初始编码特征;
15、将所述初始编码特征输入至所述第一特征嵌入层,得到所述第一特征嵌入层输出的所述初始编码特征的嵌入特征;
16、将所述初始编码特征的嵌入特征输入至所述lstm,得到所述lstm输出的所述第一编码特征;
17、将所述第一编码特征输入至所述第二特征嵌入层,得到所述第二特征嵌入层输出的所述第一编码特征的嵌入特征;
18、将所述第一编码特征的嵌入特征输入至所述解码器,得到所述解码器输出的所述第一重构特征。
19、根据本专利技术提供的一种时间相关特征重构的无监督柱塞泵异常检测方法,所述当前稳态运行振动信号的获取步骤包括:
20、获取所述目标柱塞泵所属的压裂车在当前周期内多个时刻的电机速度、电机扭矩和压力;
21、根据多个时刻的电机速度之间的变化信息、多个时刻的电机扭矩之间的变化信息,以及多个时刻的压力之间的变化信息,在所述当前周期内获取所述目标柱塞泵的稳态运行时间;
22、提取所述目标柱塞泵在所述稳态运行时间内多个时刻的振动信号,得到所述当前稳态运行振动信号。
23、根据本专利技术提供的一种时间相关特征重构的无监督柱塞泵异常检测方法,所述对目标柱塞泵的当前稳态运行振动信号进行统计特征提取,得到所述目标柱塞泵的多维当前运行统计特征,包括:
24、基于savitzky-golay数字滤波器,对所述当前稳态运行振动信号进行降噪处理;
25、对降噪后的当前稳态运行振动信号进行滑窗处理,得到多个窗口数据;
26、对各所述窗口数据进行多维度统计特征提取,得到所述目标柱塞泵的多维当前运行统计特征;
27、所述多维当前运行统计特征包括最大值、最小值、均值、峰峰值、绝对平均值、均方根值、方根幅值、标准差、峭度、偏度、裕度指标、波形指标、脉冲指标、峰值指标、峭度指标、频率中心、平均频率、频域均方根、频率方差和小波包分解的最后一层能量谱特征中的多维。
28、根据本专利技术提供的一种时间相关特征重构的无监督柱塞泵异常检测方法,所述对多维所述当前运行统计特征进行特征筛选,得到所述目标柱塞泵的当前关联统计特征,包括:
29、对第二样本柱塞泵的历史稳态运行振动信号进行统计特征提取,得到所述第二样本柱塞泵的多维历史运行统计特征;所述第二样本柱塞泵为与所述目标柱塞泵同类型的样本柱塞泵;
30、计算各维所述历史运行统计特征的单调性指标;
31、基于所述单调性指标,从多维所述历史运行统计特征中,筛选得到至少一维候选统计特征;
32、计算至少一维所述候选统计特征之间的皮尔逊相关系数、斯皮尔曼相关系数和肯德尔系数;
33、对所述皮尔逊相关系数、所述斯皮尔曼相关系数和所述肯德尔系数进行融合,获取至少一维所述候选统计特征之间的相关性指标;
34、根据所述相关性指标,从至少一维所述候选统计特征中,筛选得到所述第二样本柱塞泵的历史关联统计特征;
35、在多维所述当前运行统计特征中,筛选与所述历史关联统计特征匹配的统计特征作为所述当前关联统计特征。
36、根据本专利技术提供的一种时间相关特征重构的无监督柱塞泵异常检测方法,所述将所述当前关联统计特征输入至检测模型,得到所述目标柱塞泵的故障预测结果,包括:
37、将所述当前关联统计特征输入至所述检测模型,得到所述检测模型的编码层输出的第二重构特征;
38、将所述第二重构特征与所述当前关联统计特征之间的重构误差与目标误差进行比较,得到所述目标柱塞泵的故障预测结果。
39、本专利技术还提供一种时间相关特征重构的无监督柱塞泵异常检测装置,包括:
40、特征提取单元,用于对目标柱塞泵的本文档来自技高网...
【技术保护点】
1.一种时间相关特征重构的无监督柱塞泵异常检测方法,其特征在于,包括:
2.根据权利要求1所述的时间相关特征重构的无监督柱塞泵异常检测方法,其特征在于,所述检测模型是基于如下步骤训练得到的:
3.根据权利要求2所述的时间相关特征重构的无监督柱塞泵异常检测方法,其特征在于,所述初始模型的编码层是基于所述VAE的编码器、第一特征嵌入层以及所述LSTM构建形成;所述初始模型的解码层是基于第二特征嵌入层和所述VAE的解码器构建形成;
4.根据权利要求1-3任一项所述的时间相关特征重构的无监督柱塞泵异常检测方法,其特征在于,所述当前稳态运行振动信号的获取步骤包括:
5.根据权利要求1-3任一项所述的时间相关特征重构的无监督柱塞泵异常检测方法,其特征在于,所述对目标柱塞泵的当前稳态运行振动信号进行统计特征提取,得到所述目标柱塞泵的多维当前运行统计特征,包括:
6.根据权利要求1-3任一项所述的时间相关特征重构的无监督柱塞泵异常检测方法,其特征在于,所述对多维所述当前运行统计特征进行特征筛选,得到所述目标柱塞泵的当前关联统计特征,包括
7.根据权利要求1-3任一项所述的时间相关特征重构的无监督柱塞泵异常检测方法,其特征在于,所述将所述当前关联统计特征输入至检测模型,得到所述目标柱塞泵的故障预测结果,包括:
8.一种时间相关特征重构的无监督柱塞泵异常检测装置,其特征在于,包括:
9.一种电子设备,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计算机程序,其特征在于,所述处理器执行所述程序时实现如权利要求1至7任一项所述时间相关特征重构的无监督柱塞泵异常检测方法。
10.一种非暂态计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至7任一项所述时间相关特征重构的无监督柱塞泵异常检测方法。
...【技术特征摘要】
1.一种时间相关特征重构的无监督柱塞泵异常检测方法,其特征在于,包括:
2.根据权利要求1所述的时间相关特征重构的无监督柱塞泵异常检测方法,其特征在于,所述检测模型是基于如下步骤训练得到的:
3.根据权利要求2所述的时间相关特征重构的无监督柱塞泵异常检测方法,其特征在于,所述初始模型的编码层是基于所述vae的编码器、第一特征嵌入层以及所述lstm构建形成;所述初始模型的解码层是基于第二特征嵌入层和所述vae的解码器构建形成;
4.根据权利要求1-3任一项所述的时间相关特征重构的无监督柱塞泵异常检测方法,其特征在于,所述当前稳态运行振动信号的获取步骤包括:
5.根据权利要求1-3任一项所述的时间相关特征重构的无监督柱塞泵异常检测方法,其特征在于,所述对目标柱塞泵的当前稳态运行振动信号进行统计特征提取,得到所述目标柱塞泵的多维当前运行统计特征,包括:
6.根据权利要求...
【专利技术属性】
技术研发人员:袁烨,张永,陈少华,金骏阳,周晨,何志超,
申请(专利权)人:元始智能科技南通有限公司,
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。