【技術(shù)實(shí)現(xiàn)步驟摘要】
本申請(qǐng)涉及工業(yè)故障診斷，特別是涉及一種基于瓶頸狀態(tài)觀測(cè)器與分布優(yōu)化的故障診斷方法。
技術(shù)介紹
1、目前，傳統(tǒng)的工業(yè)故障診斷方法可分為基于模型的和數(shù)據(jù)驅(qū)動(dòng)的方法；基于模型的方法依賴于對(duì)系統(tǒng)物理過程的精確建模，但難以處理復(fù)雜且非線性的系統(tǒng)。相比之下，數(shù)據(jù)驅(qū)動(dòng)的方法不依賴于物理模型，能夠通過大量的歷史數(shù)據(jù)進(jìn)行學(xué)習(xí)和推理因而成為當(dāng)前工業(yè)故障診斷技術(shù)的發(fā)展趨勢(shì)；數(shù)據(jù)驅(qū)動(dòng)的故障診斷方法大體可分為淺層學(xué)習(xí)和深度學(xué)習(xí)兩類，淺層學(xué)習(xí)方法常用于處理簡(jiǎn)單的非線性問題，對(duì)于大規(guī)模復(fù)雜系統(tǒng)建模及大數(shù)據(jù)分析，存在特征提取能力不足及故障檢測(cè)精度較低的缺陷，而深度學(xué)習(xí)方法通過多層網(wǎng)絡(luò)結(jié)構(gòu)實(shí)現(xiàn)了自動(dòng)特征提取，能夠從大量數(shù)據(jù)中捕捉復(fù)雜的模式和關(guān)系。
2、盡管深度學(xué)習(xí)在工業(yè)故障診斷中展現(xiàn)了巨大潛力，但存在一定的機(jī)理約束不足與可靠性較低等難題；此外深度網(wǎng)絡(luò)殘差統(tǒng)計(jì)量分布復(fù)雜，對(duì)其進(jìn)行統(tǒng)計(jì)壓縮時(shí)易造成價(jià)值信息丟失，從而致使閾值設(shè)定偏高，引發(fā)故障誤報(bào)和漏報(bào)情況。
技術(shù)實(shí)現(xiàn)思路
1、基于此，有必要提供一種基于瓶頸狀態(tài)觀測(cè)器與分布優(yōu)化的故障診斷方法，該方法包括：
2、s1：收集三水箱系統(tǒng)的待診斷數(shù)據(jù)，所述待診斷數(shù)據(jù)為第一水箱的水位、第二水箱的水位、第三水箱的水位、第一進(jìn)水口的流量、第二進(jìn)水口的流量；
3、s2：將待診斷數(shù)據(jù)輸入至訓(xùn)練好的瓶頸狀態(tài)觀測(cè)器，預(yù)測(cè)當(dāng)前時(shí)刻開始的輸出數(shù)據(jù)，計(jì)算所述當(dāng)前時(shí)刻開始的輸出數(shù)據(jù)與真實(shí)輸出數(shù)據(jù)之間的殘差；
4、s3：將當(dāng)前時(shí)刻開始的所述殘差輸入至訓(xùn)練好
5、s4：基于所述t2統(tǒng)計(jì)量確定故障診斷結(jié)果。
6、優(yōu)選的，所述瓶頸狀態(tài)觀測(cè)器由兩個(gè)全連接神經(jīng)網(wǎng)絡(luò)串聯(lián)而成，第一個(gè)全連接神經(jīng)網(wǎng)絡(luò)用于預(yù)測(cè)系統(tǒng)當(dāng)前的狀態(tài)數(shù)據(jù)，第二個(gè)全連接神經(jīng)網(wǎng)絡(luò)用于預(yù)測(cè)下一時(shí)刻的輸出數(shù)據(jù)；
7、瓶頸狀態(tài)觀測(cè)器的訓(xùn)練過程為：
8、步驟1.1：收集三水箱系統(tǒng)的正常數(shù)據(jù)；
9、步驟1.2：所述正常數(shù)據(jù)包括 n個(gè)連續(xù)時(shí)刻的正常數(shù)據(jù)樣本，通過滑窗采樣其中前 q個(gè)連續(xù)時(shí)刻的正常數(shù)據(jù)樣本， q遠(yuǎn)小于 n，并將當(dāng)前窗口下的前 q-1個(gè)連續(xù)時(shí)刻的正常數(shù)據(jù)樣本的輸入數(shù)據(jù)、真實(shí)輸出數(shù)據(jù)經(jīng)過瓶頸狀態(tài)觀測(cè)器中的第一個(gè)全連接神經(jīng)網(wǎng)絡(luò)，輸出系統(tǒng)在當(dāng)前窗口下的狀態(tài)數(shù)據(jù)；將當(dāng)前窗口下的狀態(tài)數(shù)據(jù)以及當(dāng)前窗口下第 q個(gè)正常數(shù)據(jù)樣本的輸入數(shù)據(jù)經(jīng)過瓶頸狀態(tài)觀測(cè)器中的第二個(gè)全連接神經(jīng)網(wǎng)絡(luò)，得到當(dāng)前窗口下的第 q個(gè)正常數(shù)據(jù)樣本的預(yù)測(cè)輸出數(shù)據(jù)；
10、步驟1.3：計(jì)算所述第 q個(gè)正常數(shù)據(jù)樣本的預(yù)測(cè)輸出數(shù)據(jù)與真實(shí)輸出數(shù)據(jù)之間的第二殘差；
11、步驟1.4：以滑窗大小為 q，滑窗步長(zhǎng)δ q=1，采樣第2個(gè)正常數(shù)據(jù)樣本到第 q+1個(gè)連續(xù)時(shí)刻的正常數(shù)據(jù)樣本，并執(zhí)行步驟1.2-步驟1.3；
12、步驟1.5：重復(fù)執(zhí)行步驟1.2-步驟1.4，直至達(dá)到最大滑窗次數(shù)，得到每個(gè)窗口中第 q個(gè)正常數(shù)據(jù)樣本的預(yù)測(cè)輸出數(shù)據(jù)與真實(shí)輸出數(shù)據(jù)之間的第二殘差；
13、步驟1.6：以最小化第二殘差為訓(xùn)練目標(biāo)，進(jìn)行多輪次訓(xùn)練，直至到最大設(shè)定次數(shù)，得到訓(xùn)練好的瓶頸狀態(tài)觀測(cè)器。
14、優(yōu)選的，最小化所述第二殘差表示為：
15、；
16、；
17、其中， n表示最大滑窗次數(shù)；表示第 w次滑窗中第 q個(gè)正常數(shù)據(jù)樣本的真實(shí)輸出數(shù)據(jù)；表示第二個(gè)全連接神經(jīng)網(wǎng)絡(luò)；表示第二個(gè)全連接神經(jīng)網(wǎng)絡(luò)的網(wǎng)絡(luò)參數(shù)；表示第一個(gè)全連接神經(jīng)網(wǎng)絡(luò)；表示第一個(gè)全連接神經(jīng)網(wǎng)絡(luò)的網(wǎng)絡(luò)參數(shù)；表示第 w次滑窗中前 q-1個(gè)連續(xù)時(shí)刻的正常數(shù)據(jù)樣本的輸入數(shù)據(jù)；表示第 w次滑窗中前 q-1個(gè)連續(xù)時(shí)刻的正常數(shù)據(jù)樣本的真實(shí)輸出數(shù)據(jù)；表示第 w次滑窗中第 q個(gè)正常數(shù)據(jù)樣本的輸入數(shù)據(jù)； n表示正常數(shù)據(jù)樣本的數(shù)量；δ q表示滑窗步長(zhǎng)。
18、優(yōu)選的，預(yù)測(cè)當(dāng)前時(shí)刻開始的輸出數(shù)據(jù)的過程包括：
19、步驟2.1：所述待診斷數(shù)據(jù)包括個(gè)連續(xù)時(shí)刻的待診斷數(shù)據(jù)樣本，通過滑窗采樣其中前 q個(gè)連續(xù)時(shí)刻的待診斷數(shù)據(jù)樣本， q遠(yuǎn)小于，將第 t時(shí)刻之前 q-1個(gè)連續(xù)時(shí)刻的待診斷數(shù)據(jù)樣本的輸入數(shù)據(jù)、真實(shí)輸出數(shù)據(jù)經(jīng)過訓(xùn)練好的瓶頸狀態(tài)觀測(cè)器中的第一個(gè)全連接神經(jīng)網(wǎng)絡(luò)，預(yù)測(cè)系統(tǒng) t時(shí)刻的狀態(tài)數(shù)據(jù)；映射公式為：
20、；
21、；
22、；
23、其中，表示第 t時(shí)刻前 q-1個(gè)連續(xù)時(shí)刻的待診斷數(shù)據(jù)樣本的輸入數(shù)據(jù)；表示第 t時(shí)刻前 q-1個(gè)連續(xù)時(shí)刻的待診斷數(shù)據(jù)樣本的真實(shí)輸出數(shù)據(jù)；表示三水箱系統(tǒng)第 t時(shí)刻的狀態(tài)數(shù)據(jù)；表示向右映射的方向；表示第 t-q+1時(shí)刻的待診斷數(shù)據(jù)樣本的輸入數(shù)據(jù)；表示第 t-q+2時(shí)刻的待診斷數(shù)據(jù)樣本的輸入數(shù)據(jù)；表示第 t-1時(shí)刻的待診斷數(shù)據(jù)樣本的輸入數(shù)據(jù)；表示第 t-q+1時(shí)刻的待診斷數(shù)據(jù)樣本的真實(shí)輸出數(shù)據(jù)；表示第 t-q+2時(shí)刻的待診斷數(shù)據(jù)樣本的真實(shí)輸出數(shù)據(jù)；表示第 t-1時(shí)刻的待診斷數(shù)據(jù)樣本的真實(shí)輸出數(shù)據(jù)；
24、步驟2.2：將第 t時(shí)刻的狀態(tài)數(shù)據(jù)以及第 t時(shí)刻的待診斷數(shù)據(jù)樣本的輸入數(shù)據(jù)經(jīng)過訓(xùn)練好的瓶頸狀態(tài)觀測(cè)器中的第二個(gè)全連接神經(jīng)網(wǎng)絡(luò)，預(yù)測(cè)系統(tǒng)第 t時(shí)刻的輸出數(shù)據(jù)；映射公式為：
25、；
26、其中，表示第 t時(shí)刻的待診斷數(shù)據(jù)樣本的輸入數(shù)據(jù)；表示三水箱系統(tǒng)第 本文檔來自技高網(wǎng)...
【技術(shù)保護(hù)點(diǎn)】
1.一種基于瓶頸狀態(tài)觀測(cè)器與分布優(yōu)化的故障診斷方法，其特征在于，包括：
2.根據(jù)權(quán)利要求1所述的基于瓶頸狀態(tài)觀測(cè)器與分布優(yōu)化的故障診斷方法，其特征在于，所述瓶頸狀態(tài)觀測(cè)器由兩個(gè)全連接神經(jīng)網(wǎng)絡(luò)串聯(lián)而成，第一個(gè)全連接神經(jīng)網(wǎng)絡(luò)用于預(yù)測(cè)系統(tǒng)當(dāng)前的狀態(tài)數(shù)據(jù)，第二個(gè)全連接神經(jīng)網(wǎng)絡(luò)用于預(yù)測(cè)下一時(shí)刻的輸出數(shù)據(jù)；
3.根據(jù)權(quán)利要求2所述的基于瓶頸狀態(tài)觀測(cè)器與分布優(yōu)化的故障診斷方法，其特征在于，最小化所述第二殘差表示為：
4.根據(jù)權(quán)利要求2所述的基于瓶頸狀態(tài)觀測(cè)器與分布優(yōu)化的故障診斷方法，其特征在于，預(yù)測(cè)當(dāng)前時(shí)刻開始的輸出數(shù)據(jù)的過程具體包括：
5.根據(jù)權(quán)利要求1所述的基于瓶頸狀態(tài)觀測(cè)器與分布優(yōu)化的故障診斷方法，其特征在于，殘差的計(jì)算公式為：
6.根據(jù)權(quán)利要求3所述的基于瓶頸狀態(tài)觀測(cè)器與分布優(yōu)化的故障診斷方法，其特征在于，所述流模型為非線性獨(dú)立分量估計(jì)模型，所述非線性獨(dú)立分量估計(jì)模型由多個(gè)加性耦合層堆疊形成，用于將當(dāng)前時(shí)刻開始的殘差的復(fù)雜分布轉(zhuǎn)換為近似正態(tài)分布，得到近似正態(tài)分布的殘差。
7.根據(jù)權(quán)利要求6所述的基于瓶頸狀態(tài)觀測(cè)器與
8.根據(jù)權(quán)利要求1所述的基于瓶頸狀態(tài)觀測(cè)器與分布優(yōu)化的故障診斷方法，其特征在于，得到T2統(tǒng)計(jì)量閾值的過程為：
9.根據(jù)權(quán)利要求8所述的基于瓶頸狀態(tài)觀測(cè)器與分布優(yōu)化的故障診斷方法，其特征在于，第t時(shí)刻開始的殘差的近似正態(tài)分布表示為：；其中，表示第t時(shí)刻的殘差經(jīng)非線性獨(dú)立分量估計(jì)模型映射的數(shù)據(jù)；表示第時(shí)刻的殘差經(jīng)非線性獨(dú)立分量估計(jì)模型映射的數(shù)據(jù)；表示未來方向的時(shí)間范圍；T表示轉(zhuǎn)置；
...【技術(shù)特征摘要】
1.一種基于瓶頸狀態(tài)觀測(cè)器與分布優(yōu)化的故障診斷方法，其特征在于，包括：
2.根據(jù)權(quán)利要求1所述的基于瓶頸狀態(tài)觀測(cè)器與分布優(yōu)化的故障診斷方法，其特征在于，所述瓶頸狀態(tài)觀測(cè)器由兩個(gè)全連接神經(jīng)網(wǎng)絡(luò)串聯(lián)而成，第一個(gè)全連接神經(jīng)網(wǎng)絡(luò)用于預(yù)測(cè)系統(tǒng)當(dāng)前的狀態(tài)數(shù)據(jù)，第二個(gè)全連接神經(jīng)網(wǎng)絡(luò)用于預(yù)測(cè)下一時(shí)刻的輸出數(shù)據(jù)；
3.根據(jù)權(quán)利要求2所述的基于瓶頸狀態(tài)觀測(cè)器與分布優(yōu)化的故障診斷方法，其特征在于，最小化所述第二殘差表示為：
4.根據(jù)權(quán)利要求2所述的基于瓶頸狀態(tài)觀測(cè)器與分布優(yōu)化的故障診斷方法，其特征在于，預(yù)測(cè)當(dāng)前時(shí)刻開始的輸出數(shù)據(jù)的過程具體包括：
5.根據(jù)權(quán)利要求1所述的基于瓶頸狀態(tài)觀測(cè)器與分布優(yōu)化的故障診斷方法，其特征在于，殘差的計(jì)算公式為：
6.根據(jù)權(quán)利要求3所述的基于瓶頸...
【專利技術(shù)屬性】
技術(shù)研發(fā)人員：陳潔，梁常煥，郭亞迪，潘卓夫，侯海良，肖湘江，譚筠，胡上，
申請(qǐng)(專利權(quán))人：湖南工商大學(xué)，
類型：發(fā)明
國(guó)別省市：
還沒有人留言評(píng)論。發(fā)表了對(duì)其他瀏覽者有用的留言會(huì)獲得科技券。