通过域适应监测旋转机械的旋转部件的自动化方法技术

本发明专利技术涉及一种用于基于目标数据库和基于源数据库来自动监测旋转机械的多个旋转部件的方法(100)，该目标数据库包括来自分布的由每个旋转部件产生的多个时间信号，该源数据库包括来自分布S的多个时间信号，该分布S与由源旋转机械的源旋转部件产生的分布T不同并且该分布S与运行类别相关联，该监测借助于自适应深度学习模型来进行，该自适应深度学习模型使得源分布适应于目标分布成为可能，深度学习模块通过最小化与具有参数σ的高斯核函数有关的代价函数来训练；在每个时期基于分布差异来计算σ，该分布差异通过基于帕斯卡三角形估计的恒定静态值来进行加权。

【技术实现步骤摘要】
【国外来华专利技术】

本专利技术的是分布域适应和深度学习迁移的。本专利技术涉及一种用于监测旋转机械的旋转部件的自动化方法。

技术介绍

1、在许多工业部门，对各机械部件(例如发动机及其不同的旋转部件(轴承、齿轮、轴、风扇等))的诊断和监测必不可少，以便确定各机械部件的运行状态或健康状况并因此计划维护操作以最大限度地减少停机时间。因此，可靠的诊断和监测系统或方法使得能够在早期阶段检测和识别损坏，以便防止该损坏扩散到其它机械部件，并基于被监测部件的健康状态来计划适应的维护。因此，机械监测是机械工程行业(特别是航空航天行业)的一项重大挑战。

2、通常，对旋转机械的旋转部件进行的监测是通过分析由旋转部件产生并由振动声学传感器(例如加速度计)所采集的振动信号来实现的，并且通常用于确定飞行器发动机及其旋转部件的运行状态。在生产或维护阶段，在旋转机械运行时采集高频振动信号，以便检测表征机械部件损坏的微弱信号(称为特征(signature))，从而防止发动机故障。由于通过分析振动信号进行的监测的非侵入性以及该振动信号可提供的丰富的诊断信息，因此通过分析振动信号进行的监测是最广泛使用的本文档来自技高网...

【技术保护点】

1.一种用于从无标记数据库和从目标数据库自动监测旋转机械的至少一个旋转部件的方法(100)，所述无标记数据库称为目标数据库，所述目标数据库包括源自分布T的至少一个时间信号，所述时间信号由所述旋转部件产生，所述源数据库包括源自不同于所述分布T的分布S的多个时间信号，所述源数据库的每个时间信号由源旋转机械的源旋转部件产生，并且与一组运行类别中的一运行类别相关联，所述一组运行类别至少包括标称运行类别和故障运行类别，其特征在于，所述方法包括以下步骤：

2.根据前述权利要求中任一项所述的方法(100)，其特征在于，所述自适应神经网络的第一部分包括Nc1个数量的层，所述Nc1是大于或等于...

【技术特征摘要】
【国外来华专利技术】

1.一种用于从无标记数据库和从目标数据库自动监测旋转机械的至少一个旋转部件的方法(100)，所述无标记数据库称为目标数据库，所述目标数据库包括源自分布t的至少一个时间信号，所述时间信号由所述旋转部件产生，所述源数据库包括源自不同于所述分布t的分布s的多个时间信号，所述源数据库的每个时间信号由源旋转机械的源旋转部件产生，并且与一组运行类别中的一运行类别相关联，所述一组运行类别至少包括标称运行类别和故障运行类别，其特征在于，所述方法包括以下步骤：

2.根据前述权利要求中任一项所述的方法(100)，其特征在于，所述自适应神经网络的第一部分包括nc1个数量的层，所述nc1是大于或等于1的自然数，并且所述自适应神经网络的第二部分包括nc2个数量的层，所述nc2是大于或等于1的自然数，所述代价函数的第二项在属于所述神经网络的第二部分的一个或多个层上进行计算，并且所述代价函数的第二项位于所述第二部分的最后一层之前。

3.根据前述权利要求中任一项所述的方法(100)，其特征在于，对多个nt个旋转机械部件进行监测，并且所述目标数据库包括由表示的多个信号。...

【专利技术属性】
技术研发人员：尤斯拉·马尔尼西，达尼·阿布德，法迪·卡尔卡菲，纪尧姆·多凯特，穆罕默德·埃尔·巴杜伊，
申请(专利权)人：赛峰集团，
类型：发明
国别省市：