Document
拖动滑块完成拼图
首页 专利交易 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 IP管家助手 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索

一种基于MDUNN的多变负荷下柴油机故障诊断方法 

买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!

摘要:本申请涉及一种基于MDUNN的多变负荷下柴油机故障诊断方法,包括:S100、基于设置在柴油机缸盖上的加速度传感器,采集不同负荷下不同故障的振动信号;S200、将不同故障下的多负荷混合数据与故障类一一对应设置故障标签,建立故障数据集;S300、构建MDUNN模型,并利用故障数据集分阶段训练MDUNN;S400、将实时采集的缸盖振动信号输入MDUNN,输出柴油机故障类型。通过基于MDUNN的多变负荷下柴油机故障诊断方法,可以充分抓取柴油机震动信号特征,并可以在多域特征空间形成准确决策。

主权项:1.一种基于MDUNN的多变负荷下柴油机故障诊断方法,其特征在于,包括以下步骤:S100、基于设置在柴油机缸盖上的加速度传感器,采集不同负荷下不同故障的振动信号;S200、将不同负荷下不同故障的振动信号按固定信号长度分割后与故障类一一对应建立故障标签,得到故障数据集,所述故障数据集包括所有故障标签;S300、构建MDUNN模型,并利用故障数据集分阶段训练MDUNN,具体包括如下步骤:S310、构建多深度卷积神经网络,包括如下步骤:S311、构建卷积神经网络,将卷积第一层核数增加到128个,后续层核数保持64个,128核的首层卷积和64核的隐藏层构成特征提取器,在所述特征提取器后增加一层大小为1的卷积核,将通道数调整为预设的类别数,所述类别数根据故障数据集中的故障类选定,所述使卷积输出特征可以直接用于决策;S312、削减上述卷积结构中含有64卷积核的卷积层,从而削减抽象程度,形成不同深度卷积通路,将这些卷积通路的结果直接取全局平均池化,所述全局平均池化简称GAP,通过SoftMax分类器分别与故障标签取交叉熵后梯度下降,完成初始训练,训练结束后丢弃GAP和SoftMax分类器;S320、对特征矩阵权重进行巩固训练,包括如下步骤:S321、将不同深度卷积嵌入的输出特征与同形状的矩阵点积后行内平均,相当于添加了一层选择性连接的无偏置全连接层,使输出仍然保持着类别独立性,通过SoftMax分类器将该模块输出与故障标签取交叉熵后梯度下降,训练结束后丢弃SoftMax分类器,将输出作为下一个重复模块的特征输入;S322、阶段训练结束后为卷积的不同输出特征分配阈值,高于阈值的特征将直接决定输出的类别优势,而低于阈值的特征则起到为其他特征构建阈值的作用,特征阈值通过如下公式计算: 其中,FWM的行数为类别数,列数n为单通道内特征数;FWMab为FWM权重矩阵a行b列对应位置的权重;FWMij为FWM权重矩阵除a行b列之外的i行j列对应位置的权重;Oij为除FWM权重矩阵a行b列之外的i行j列输出的特征或评分值;Thresoldab为FWM权重矩阵a行b列对应位置的特征阈值;其中FWM权重矩阵以sigmoid函数约束,公式如下: 其中,x为额外注册的参数;λ为取值范围约束系数;σx为sigmoid约束的权重;S330、对深度权重矩阵进行巩固训练,包括以下步骤:在特征权重层后添加一个与特征权重层同形式的深度权重矩阵,并与特征权重层的输出特征点积后行内求和,重复步骤S320,获得深度权重层,深度权重层的输出与故障标签形状相同,能够作为实际故障诊断中所采用的最终输出,完成MDUNN的训练;S400、将实时采集的缸盖振动信号输入MDUNN,输出柴油机故障类型。

全文数据:

权利要求:

百度查询: 天津大学 一种基于MDUNN的多变负荷下柴油机故障诊断方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。

相关技术
相关技术
相关技术
相关技术