基于遷移學(xué)習(xí)的風(fēng)機(jī)故障識別模型訓(xùn)練方法及系統(tǒng)技術(shù)方案

本發(fā)明專利技術(shù)涉及一種基于遷移學(xué)習(xí)的風(fēng)機(jī)故障識別模型訓(xùn)練方法及系統(tǒng)，包括：S110、對源風(fēng)機(jī)和目標(biāo)風(fēng)機(jī)各自的歷史運(yùn)行數(shù)據(jù)進(jìn)行特征提取，得到各自的特征數(shù)據(jù)集；S120、對源風(fēng)機(jī)故障識別模型進(jìn)行訓(xùn)練和對超參數(shù)進(jìn)行優(yōu)化，得到最佳超參數(shù)；S130、根據(jù)最佳超參數(shù)和目標(biāo)風(fēng)機(jī)的特征數(shù)據(jù)集進(jìn)行模型訓(xùn)練，得到目標(biāo)風(fēng)機(jī)故障識別模型，計(jì)算效果評估值；S140、按照分配比例形成遷移特征數(shù)據(jù)集，根據(jù)遷移特征數(shù)據(jù)集和最佳超參數(shù)進(jìn)行模型訓(xùn)練，得到風(fēng)機(jī)故障識別遷移模型，計(jì)算效果評估值；S150、判斷遷移是否有效；若是，則將風(fēng)機(jī)故障識別遷移模型作為對目標(biāo)風(fēng)機(jī)進(jìn)行故障識別的模型。本發(fā)明專利技術(shù)可以提高故障識別模型的泛化能力，降低故障識別模型對樣本數(shù)據(jù)的要求。據(jù)的要求。據(jù)的要求。

【技術(shù)實(shí)現(xiàn)步驟摘要】
基于遷移學(xué)習(xí)的風(fēng)機(jī)故障識別模型訓(xùn)練方法及系統(tǒng)


[0001]本專利技術(shù)涉及風(fēng)機(jī)故障檢測
，尤其涉及一種基于遷移學(xué)習(xí)的風(fēng)機(jī)故障識別模型訓(xùn)練方法及系統(tǒng)。

技術(shù)介紹

[0002]在風(fēng)電行業(yè)中，故障識別模型被廣泛應(yīng)用在各類部件的預(yù)警建模中，如發(fā)電機(jī)故障、傳動鏈故障、電控系統(tǒng)故障等。然而，數(shù)據(jù)驅(qū)動模型的泛化能力嚴(yán)重依賴于數(shù)據(jù)質(zhì)量的好壞和故障樣本的多少。當(dāng)故障樣本不足時(shí)，既有模型在新對象上的效果往往不理想，所以故障識別效果不能滿足要求。

技術(shù)實(shí)現(xiàn)思路

[0003]為了解決上述技術(shù)問題或者至少部分地解決上述技術(shù)問題，本專利技術(shù)提供了一種基于遷移學(xué)習(xí)的風(fēng)機(jī)故障識別模型訓(xùn)練方法及系統(tǒng)。
[0004]第一方面，本專利技術(shù)提供了一種基于遷移學(xué)習(xí)的風(fēng)機(jī)故障識別模型訓(xùn)練方法，包括：
[0005]S110、獲取源風(fēng)機(jī)和目標(biāo)風(fēng)機(jī)各自的歷史運(yùn)行數(shù)據(jù)，對所述歷史運(yùn)行數(shù)據(jù)進(jìn)行特征提取，得到所述源風(fēng)機(jī)和所述目標(biāo)風(fēng)機(jī)各自的特征數(shù)據(jù)集；
[0006]S120、根據(jù)所述源風(fēng)機(jī)的特征數(shù)據(jù)集對源風(fēng)機(jī)故障識別模型進(jìn)行訓(xùn)練和對超參數(shù)進(jìn)行優(yōu)化，得到所述源風(fēng)機(jī)故障識別模型對應(yīng)的最佳超參數(shù)；
[0007]S130、根據(jù)所述最佳超參數(shù)和所述目標(biāo)風(fēng)機(jī)的特征數(shù)據(jù)集進(jìn)行模型訓(xùn)練，得到目標(biāo)風(fēng)機(jī)故障識別模型，并計(jì)算所述目標(biāo)風(fēng)機(jī)故障識別模型的效果評估值；效果評估值越大，對應(yīng)模型的故障識別效果越好；
[0008]S140、將所述源風(fēng)機(jī)和所述目標(biāo)風(fēng)機(jī)的特征數(shù)據(jù)集按照分配比例形成遷移特征數(shù)據(jù)集，根據(jù)所述遷移特征數(shù)據(jù)集和所述最佳超參數(shù)進(jìn)行模型訓(xùn)練，得到風(fēng)機(jī)故障識別遷移模型，并計(jì)算所述風(fēng)機(jī)故障識別遷移模型的效果評估值；
[0009]S150、判斷所述風(fēng)機(jī)故障識別遷移模型的效果評估值是否大于等于所述目標(biāo)風(fēng)機(jī)故障識別模型的效果評估值；若是，則將所述風(fēng)機(jī)故障識別遷移模型作為對所述目標(biāo)風(fēng)機(jī)進(jìn)行故障識別的模型。
[0010]第二方面，本專利技術(shù)提供一種基于遷移學(xué)習(xí)的風(fēng)機(jī)故障識別模型訓(xùn)練系統(tǒng)，包括：
[0011]數(shù)據(jù)獲取模塊，用于執(zhí)行S110、獲取源風(fēng)機(jī)和目標(biāo)風(fēng)機(jī)各自的歷史運(yùn)行數(shù)據(jù)，對所述歷史運(yùn)行數(shù)據(jù)進(jìn)行特征提取，得到所述源風(fēng)機(jī)和所述目標(biāo)風(fēng)機(jī)各自的特征數(shù)據(jù)集；
[0012]第一訓(xùn)練模塊，用于執(zhí)行S120、根據(jù)所述源風(fēng)機(jī)的特征數(shù)據(jù)集對源風(fēng)機(jī)故障識別模型進(jìn)行訓(xùn)練和對超參數(shù)進(jìn)行優(yōu)化，得到所述源風(fēng)機(jī)故障識別模型對應(yīng)的最佳超參數(shù)；
[0013]第二訓(xùn)練模塊，用于執(zhí)行S130、根據(jù)所述最佳超參數(shù)和所述目標(biāo)風(fēng)機(jī)的特征數(shù)據(jù)集進(jìn)行模型訓(xùn)練，得到目標(biāo)風(fēng)機(jī)故障識別模型，并計(jì)算所述目標(biāo)風(fēng)機(jī)故障識別模型的效果評估值；效果評估值越大，對應(yīng)模型的故障識別效果越好；
[0014]第三訓(xùn)練模塊，用于執(zhí)行S140、將所述源風(fēng)機(jī)和所述目標(biāo)風(fēng)機(jī)的特征數(shù)據(jù)集按照
分配比例形成遷移特征數(shù)據(jù)集，根據(jù)所述遷移特征數(shù)據(jù)集和所述最佳超參數(shù)進(jìn)行模型訓(xùn)練，得到風(fēng)機(jī)故障識別遷移模型，并計(jì)算所述風(fēng)機(jī)故障識別遷移模型的效果評估值；
[0015]效果比較模塊，用于執(zhí)行S150、判斷所述風(fēng)機(jī)故障識別遷移模型的效果評估值是否大于等于所述目標(biāo)風(fēng)機(jī)故障識別模型的效果評估值；若是，則將所述風(fēng)機(jī)故障識別遷移模型作為對所述目標(biāo)風(fēng)機(jī)進(jìn)行故障識別的模型。
[0016]本實(shí)施例提供的基于遷移學(xué)習(xí)的風(fēng)機(jī)故障識別模型訓(xùn)練方法及系統(tǒng)，首先根據(jù)源風(fēng)機(jī)的特征數(shù)據(jù)集進(jìn)行模型訓(xùn)練，得到源風(fēng)機(jī)故障識別模型和最佳超參數(shù)；根據(jù)最佳超參數(shù)和目標(biāo)風(fēng)機(jī)的特征數(shù)據(jù)集進(jìn)行模型訓(xùn)練，得到目標(biāo)風(fēng)機(jī)故障識別模型及其效果評估值；依據(jù)分配比例混合源風(fēng)機(jī)和目標(biāo)風(fēng)機(jī)的特征數(shù)據(jù)集，得到遷移特征數(shù)據(jù)集，并依據(jù)遷移特征數(shù)據(jù)集和最佳超參數(shù)進(jìn)行模型訓(xùn)練，得到風(fēng)機(jī)故障識別遷移模型及其效果評估值；根據(jù)兩個效果評估值對遷移有效性進(jìn)行驗(yàn)證，如果驗(yàn)證遷移有效，則采用風(fēng)機(jī)故障識別遷移模型作為目標(biāo)風(fēng)機(jī)的最終模型，如果驗(yàn)證遷移無效，則對分配比例進(jìn)行更新，重新組合遷移特征數(shù)據(jù)集并進(jìn)行模型訓(xùn)練。本專利技術(shù)通過遷移學(xué)習(xí)的方式可以提高源風(fēng)機(jī)的故障識別模型的泛化能力，降低目標(biāo)風(fēng)機(jī)的故障識別模型對樣本數(shù)據(jù)的要求，從而在將故障識別模型進(jìn)行規(guī)模化部署時(shí)，尤其是針對新風(fēng)場部署時(shí)，能夠提升異常檢測的準(zhǔn)確率、降低誤報(bào)率。
附圖說明
[0017]此處的附圖被并入說明書中并構(gòu)成本說明書的一部分，示出了符合本專利技術(shù)的實(shí)施例，并與說明書一起用于解釋本專利技術(shù)的原理。
[0018]為了更清楚地說明本專利技術(shù)實(shí)施例或現(xiàn)有技術(shù)中的技術(shù)方案，下面將對實(shí)施例或現(xiàn)有技術(shù)描述中所需要使用的附圖作簡單地介紹，顯而易見地，對于本領(lǐng)域普通技術(shù)人員而言，在不付出創(chuàng)造性勞動性的前提下，還可以根據(jù)這些附圖獲得其他的附圖。
[0019]圖1為本專利技術(shù)提供的一種基于遷移學(xué)習(xí)的風(fēng)機(jī)故障識別模型訓(xùn)練方法的流程示意圖；
[0020]圖2為本專利技術(shù)提供的一種基于遷移學(xué)習(xí)的風(fēng)機(jī)故障識別模型訓(xùn)練方法的流程示意圖。
具體實(shí)施方式
[0021]為使本專利技術(shù)實(shí)施例的目的、技術(shù)方案和優(yōu)點(diǎn)更加清楚，下面將結(jié)合本專利技術(shù)實(shí)施例中的附圖，對本專利技術(shù)實(shí)施例中的技術(shù)方案進(jìn)行清楚、完整地描述，顯然，所描述的實(shí)施例是本專利技術(shù)的一部分實(shí)施例，而不是全部的實(shí)施例。基于本專利技術(shù)中的實(shí)施例，本領(lǐng)域普通技術(shù)人員在沒有做出創(chuàng)造性勞動的前提下所獲得的所有其他實(shí)施例，都屬于本專利技術(shù)保護(hù)的范圍。
[0022]第一方面，本專利技術(shù)提供一種基于遷移學(xué)習(xí)的風(fēng)機(jī)故障識別模型訓(xùn)練方法，如圖1和2所示，該方法可以包括S110～S150：
[0023]S110、獲取源風(fēng)機(jī)和目標(biāo)風(fēng)機(jī)各自的歷史運(yùn)行數(shù)據(jù)，對所述歷史運(yùn)行數(shù)據(jù)進(jìn)行特征提取，得到所述源風(fēng)機(jī)和所述目標(biāo)風(fēng)機(jī)各自的特征數(shù)據(jù)集；
[0024]其中，源風(fēng)機(jī)是指數(shù)據(jù)質(zhì)量較好(例如，風(fēng)機(jī)已經(jīng)有了特定的故障)、樣本數(shù)量較豐富，依據(jù)這些樣本可以訓(xùn)練出效果很好的故障識別模型的候選風(fēng)機(jī)。例如，下文中的風(fēng)機(jī)A。目標(biāo)風(fēng)機(jī)是指數(shù)據(jù)質(zhì)量不太好(例如，風(fēng)機(jī)還沒有發(fā)生特定的故障)、樣本數(shù)量較少，依據(jù)這
些樣本不一定能夠訓(xùn)練出效果很好的故障辨識模型的候選風(fēng)機(jī)。例如，下文中的風(fēng)機(jī)B。
[0025]可理解的是，這里對源風(fēng)機(jī)的歷史運(yùn)行數(shù)據(jù)進(jìn)行特征提取，得到源風(fēng)機(jī)的特征數(shù)據(jù)集。對目標(biāo)風(fēng)機(jī)的歷史運(yùn)行數(shù)據(jù)進(jìn)行特征提取，得到目標(biāo)風(fēng)機(jī)的特征數(shù)據(jù)集。
[0026]其中，特征提取的過程實(shí)際上是將與要檢測的故障類型相關(guān)的原始運(yùn)行數(shù)據(jù)轉(zhuǎn)化反映故障特性的特征的過程。當(dāng)然在特征提取之前可以先對歷史運(yùn)行數(shù)據(jù)進(jìn)行預(yù)處理，預(yù)處理過程可以包括數(shù)據(jù)清洗、分窗、工況篩選等過程。從歷史運(yùn)行數(shù)據(jù)中提取出來的特征可以包括統(tǒng)計(jì)特征和機(jī)理特征。統(tǒng)計(jì)特征，例如，均值、方差、最大值、最小值等。機(jī)理特征，例如，時(shí)域機(jī)理特征、頻域機(jī)理特征。這些特征具備的特點(diǎn)是能夠反映風(fēng)機(jī)的某種異常現(xiàn)象。
[0027]在具體實(shí)施時(shí)，所述特征數(shù)據(jù)集中可以包括統(tǒng)計(jì)特征數(shù)據(jù)和機(jī)理特征數(shù)據(jù)。
[0028]可理解的是，特征數(shù)據(jù)集中除了包含特征之外，還應(yīng)包含每一條特征樣本對應(yīng)的風(fēng)機(jī)健康標(biāo)簽或故障標(biāo)簽。
[0029]S120、根據(jù)所述源風(fēng)機(jī)的特征數(shù)據(jù)集對源風(fēng)機(jī)故障識別模型進(jìn)行訓(xùn)本文檔來自技高網(wǎng)...

【技術(shù)保護(hù)點(diǎn)】

【技術(shù)特征摘要】
1.一種基于遷移學(xué)習(xí)的風(fēng)機(jī)故障識別模型訓(xùn)練方法，其特征在于，包括：S110、獲取源風(fēng)機(jī)和目標(biāo)風(fēng)機(jī)各自的歷史運(yùn)行數(shù)據(jù)，對所述歷史運(yùn)行數(shù)據(jù)進(jìn)行特征提取，得到所述源風(fēng)機(jī)和所述目標(biāo)風(fēng)機(jī)各自的特征數(shù)據(jù)集；S120、根據(jù)所述源風(fēng)機(jī)的特征數(shù)據(jù)集對源風(fēng)機(jī)故障識別模型進(jìn)行訓(xùn)練和對超參數(shù)進(jìn)行優(yōu)化，得到所述源風(fēng)機(jī)故障識別模型對應(yīng)的最佳超參數(shù)；S130、根據(jù)所述最佳超參數(shù)和所述目標(biāo)風(fēng)機(jī)的特征數(shù)據(jù)集進(jìn)行模型訓(xùn)練，得到目標(biāo)風(fēng)機(jī)故障識別模型，并計(jì)算所述目標(biāo)風(fēng)機(jī)故障識別模型的效果評估值；效果評估值越大，對應(yīng)模型的故障識別效果越好；S140、將所述源風(fēng)機(jī)和所述目標(biāo)風(fēng)機(jī)的特征數(shù)據(jù)集按照分配比例形成遷移特征數(shù)據(jù)集，根據(jù)所述遷移特征數(shù)據(jù)集和所述最佳超參數(shù)進(jìn)行模型訓(xùn)練，得到風(fēng)機(jī)故障識別遷移模型，并計(jì)算所述風(fēng)機(jī)故障識別遷移模型的效果評估值；S150、判斷所述風(fēng)機(jī)故障識別遷移模型的效果評估值是否大于等于所述目標(biāo)風(fēng)機(jī)故障識別模型的效果評估值；若是，則將所述風(fēng)機(jī)故障識別遷移模型作為對所述目標(biāo)風(fēng)機(jī)進(jìn)行故障識別的模型。2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述S150還包括：若所述風(fēng)機(jī)故障識別遷移模型的效果評估值小于所述目標(biāo)風(fēng)機(jī)故障識別模型的效果評估值，則判斷所述分配比例是否達(dá)到上限值；若是，則將所述目標(biāo)風(fēng)機(jī)故障識別模型作為對所述目標(biāo)風(fēng)機(jī)進(jìn)行故障識別的模型；否則，將所述分配比例提高預(yù)設(shè)步長，并返回S140。3.根據(jù)權(quán)利要求2所述的方法，其特征在于，所述分配比例的初始值為5％，所述上限值為100％，所述預(yù)設(shè)步長為5％。4.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述特征數(shù)據(jù)集中包括統(tǒng)計(jì)特征數(shù)據(jù)和機(jī)理特征數(shù)據(jù)。5.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述S120具體包括：將所述源風(fēng)機(jī)的特征數(shù)據(jù)集劃分為源域訓(xùn)練集和源域測試集；采用所述源域訓(xùn)練集和所述源域測試集訓(xùn)練所述源風(fēng)機(jī)故障識別模型以及對所述源風(fēng)機(jī)故障識別模型的超參數(shù)進(jìn)行優(yōu)化，以使所述源風(fēng)機(jī)故障識別模型在所述源域測試集下的效果評估值達(dá)到最大，得到所述最優(yōu)超參數(shù)。6.根據(jù)權(quán)利要求5所述的方法，其特征在于，所述S130具體包括：將所述目標(biāo)風(fēng)機(jī)的特征數(shù)據(jù)集劃分為目標(biāo)域訓(xùn)練集和目標(biāo)域測試集；采用所述目標(biāo)域訓(xùn)練集對所述目標(biāo)風(fēng)機(jī)故障識別模型進(jìn)行訓(xùn)練，將所述最佳超參...

【專利技術(shù)屬性】
技術(shù)研發(fā)人員：葉翔，金超，朱小芹，陰曉艷，
申請(專利權(quán))人：中國大唐集團(tuán)科學(xué)技術(shù)研究院有限公司火力發(fā)電技術(shù)研究院，
類型：發(fā)明
國別省市：