【技术实现步骤摘要】
本专利技术涉及设备监测，尤其涉及一种矿井下往复柱塞泵状态预测方法、装置及电子设备。
技术介绍
1、矿井下往复柱塞泵是煤矿开采过程中广泛应用的核心动力装备，能够为采煤工作面的液压支架提供高压乳化液用以支撑液压支架完成一系列动作，也能够为采煤工作面提供清水用以喷雾降尘，其安全可靠稳定运行对煤炭高效开采具有重要作用。煤矿井下工作环境复杂，矿井下往复柱塞泵运行工况多变，长时间连续工作极易导致故障的发生，不但影响煤炭开采效率，还可能造成严重经济损失和安全隐患。因此，对矿井下往复柱塞泵进行状态监测和故障早期预警诊断对煤矿高效生产具有重要意义。
2、随着深度学习的快速发展，深度神经网络由于强大的特征提取能力而被广泛应用于设备的故障诊断。对于设备的故障诊断，目前主要将其看成是一个分类问题，基于数据驱动的方法构建设备的故障诊断模型。基于建立的智能诊断模型，对实时采集的设备状态数据进行分析处理，判断其属于正常还是具体哪一种故障。
3、通常，性能优异的智能诊断模型需要建立在大量的、优质的数据基础之上。实际工程中，由于振动监测在矿井下往复柱塞泵上的应用并未大面积普及，无法获得充足且有标签的故障样本，上述智能诊断模型的训练容易受到故障样本稀少的限制，进而导致模型的泛化能力不足，设备状态识别效果无法满足实际使用需求。另外，矿井下往复柱塞泵有多种型号，不同型号设备的状态数据既存在一定相似性，也存在一定差异性。因此，基于某个型号设备的状态数据，结合上述方法构建的故障诊断模型，在应用到其他型号设备进行故障诊断时，会出现设备状态识别不准确的
技术实现思路
1、针对现有技术存在的问题，本专利技术提供一种矿井下往复柱塞泵状态预测方法、装置及电子设备。
2、本专利技术提供一种矿井下往复柱塞泵状态预测方法，包括：
3、采集矿井下往复柱塞泵在矿井下运行过程中的状态数据；
4、将所述状态数据输入至预先训练的矿井下往复柱塞泵状态预测模型，得到所述矿井下往复柱塞泵状态预测模型输出的所述矿井下往复柱塞泵的当前状态类别；所述矿井下往复柱塞泵状态预测模型用于识别矿井下往复柱塞泵在矿井下运行过程中的状态类别；
5、其中，所述矿井下往复柱塞泵状态预测模型是基于源域数据集中的第一样本数据和目标域数据集中的第二样本数据对预训练模型进行训练得到的；所述预训练模型是基于所述源域数据集中的所述第一样本数据对初始诊断模型进行训练得到的；
6、所述源域数据集中的所述第一样本数据，包括预先采集的矿井下往复柱塞泵在地面实验室条件下模拟在矿井下运行过程中的样本状态数据和对应的状态类别；
7、所述目标域数据集中的所述第二样本数据，包括预先采集的矿井下往复柱塞泵在矿井下运行过程中的样本状态数据。
8、根据本专利技术提供的一种矿井下往复柱塞泵状态预测方法，所述矿井下往复柱塞泵状态预测模型包括：特征提取模块、与所述特征提取模块分别连接的故障诊断模块及域识别模块；其中，
9、所述特征提取模块，用于对输入数据进行特征提取，得到所述输入数据在高维度特征空间中的特征组合；
10、所述故障诊断模块，用于根据所述特征组合，预测所述输入数据对应的预测状态类别；
11、所述域识别模块，用于根据所述特征组合，预测所述输入数据的预测域标签；所述域标签用于指示所述输入数据属于所述源域数据集或属于所述目标域数据集。
12、根据本专利技术提供的一种矿井下往复柱塞泵状态预测方法，所述特征提取模块是基于一维卷积神经网络构建的；所述特征提取模块包括多个交替堆叠的卷积层和池化层；所述卷积层采用relu激活函数，所述池化层采用最大池化方法。
13、根据本专利技术提供的一种矿井下往复柱塞泵状态预测方法，所述故障诊断模块是基于包括多个全连接层的多层感知机网络构建的；所述故障诊断模块基于所述源域数据集中的所述第一样本数据进行模型参数训练。
14、根据本专利技术提供的一种矿井下往复柱塞泵状态预测方法，所述域识别模块是基于包含多个全连接层的多层感知机网络构建的二分类的分类器；所述域识别模块基于所述源域数据集和所述目标域数据集的合集进行模型参数训练。
15、根据本专利技术提供的一种矿井下往复柱塞泵状态预测方法，所述矿井下往复柱塞泵状态预测模型的损失函数，是基于所述输入数据的真实状态类别与预测状态类别的差异度、所述输入数据的真实域标签与预测域标签的差异度、及用于对抗所述源域数据集和所述目标域数据集的特征分布差异的多核最大均值差异mk-mmd领域适应损失函数确定的。
16、本专利技术还提供一种矿井下往复柱塞泵状态预测装置，包括：
17、采集模块，用于采集矿井下往复柱塞泵在矿井下运行过程中的状态数据；
18、预测模块，用于将所述状态数据输入至预先训练的矿井下往复柱塞泵状态预测模型，得到所述矿井下往复柱塞泵状态预测模型输出的所述矿井下往复柱塞泵的当前状态类别；所述矿井下往复柱塞泵状态预测模型用于识别矿井下往复柱塞泵在矿井下运行过程中的状态类别；
19、其中，所述矿井下往复柱塞泵状态预测模型是基于源域数据集中的第一样本数据和目标域数据集中的第二样本数据对预训练模型进行训练得到的；所述预训练模型是基于所述源域数据集中的所述第一样本数据对初始诊断模型进行训练得到的；
20、所述源域数据集中的所述第一样本数据，包括预先采集的矿井下往复柱塞泵在地面实验室条件下模拟在矿井下运行过程中的样本状态数据和对应的状态类别；
21、所述目标域数据集中的所述第二样本数据，包括预先采集的矿井下往复柱塞泵在矿井下运行过程中的样本状态数据。
22、本专利技术还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述任一种所述矿井下往复柱塞泵状态预测方法。
23、本专利技术还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述任一种所述矿井下往复柱塞泵状态预测方法。
24、本专利技术还提供一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现如上述任一种所述矿井下往复柱塞泵状态预测方法。
25、本专利技术提供的矿井下往复柱塞泵状态预测方法、装置及电子设备，通过先基于在地面实验室条件下采集的源域数据集对初始诊断模型进行训练得到预训练模型，再基于源域数据集和在矿井下采集的目标域数据集对预训练模型进行训练得到矿井下往复柱塞泵状态预测模型，从而实现将基于实验室数据建立的预训练模型进行迁移学习，转换成能够应用于矿井下的矿井下往复柱塞泵状态预测模型，解决现有技术中由于模型训练时所使用的故障样本稀少而导致模型泛化能力差的问题，提高模型泛化能力，提高矿井下往复柱塞泵状态类别识别的准确性。在需要识别矿井下往复柱塞泵在矿井下运行过程中的状态类别时，将采集的矿井下往复柱塞泵在矿井下运行过程中的状态数据，输入至训练好的矿井下往复柱塞本文档来自技高网...
【技术保护点】
1.一种矿井下往复柱塞泵状态预测方法，其特征在于，包括：
2.根据权利要求1所述的矿井下往复柱塞泵状态预测方法，其特征在于，所述矿井下往复柱塞泵状态预测模型包括：特征提取模块、与所述特征提取模块分别连接的故障诊断模块及域识别模块；其中，
3.根据权利要求2所述的矿井下往复柱塞泵状态预测方法，其特征在于，所述特征提取模块是基于一维卷积神经网络构建的；所述特征提取模块包括多个交替堆叠的卷积层和池化层；所述卷积层采用ReLu激活函数，所述池化层采用最大池化方法。
4.根据权利要求2所述的矿井下往复柱塞泵状态预测方法，其特征在于，所述故障诊断模块是基于包括多个全连接层的多层感知机网络构建的；所述故障诊断模块基于所述源域数据集中的所述第一样本数据进行模型参数训练。
5.根据权利要求2所述的矿井下往复柱塞泵状态预测方法，其特征在于，所述域识别模块是基于包含多个全连接层的多层感知机网络构建的二分类的分类器；所述域识别模块基于所述源域数据集和所述目标域数据集的合集进行模型参数训练。
6.根据权利要求2所述的矿井下往复柱塞泵状态预测方法，
7.一种矿井下往复柱塞泵状态预测装置，其特征在于，包括：
8.一种电子设备，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6任一项所述矿井下往复柱塞泵状态预测方法。
9.一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6任一项所述矿井下往复柱塞泵状态预测方法。
10.一种计算机程序产品，包括计算机程序，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6任一项所述矿井下往复柱塞泵状态预测方法。
...【技术特征摘要】
1.一种矿井下往复柱塞泵状态预测方法，其特征在于，包括：
2.根据权利要求1所述的矿井下往复柱塞泵状态预测方法，其特征在于，所述矿井下往复柱塞泵状态预测模型包括：特征提取模块、与所述特征提取模块分别连接的故障诊断模块及域识别模块；其中，
3.根据权利要求2所述的矿井下往复柱塞泵状态预测方法，其特征在于，所述特征提取模块是基于一维卷积神经网络构建的；所述特征提取模块包括多个交替堆叠的卷积层和池化层；所述卷积层采用relu激活函数，所述池化层采用最大池化方法。
4.根据权利要求2所述的矿井下往复柱塞泵状态预测方法，其特征在于，所述故障诊断模块是基于包括多个全连接层的多层感知机网络构建的；所述故障诊断模块基于所述源域数据集中的所述第一样本数据进行模型参数训练。
5.根据权利要求2所述的矿井下往复柱塞泵状态预测方法，其特征在于，所述域识别模块是基于包含多个全连接层的多层感知机网络构建的二分类的分类器；所述域识别模块基于所述源域数据集和所述目标域数据集的合集进行模型参数训练。
【专利技术属性】
技术研发人员：赖岳华，李然，刘波，叶壮，西成峰，李丹宁，
申请(专利权)人：北京天玛智控科技股份有限公司，
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。