基于人工智能的机电设备在线故障诊断的方法及系统[发明专利] .pdfVIP

(19)中华人民共和国国家知识产权局

(12)发明专利申请

(10)申请公布号CN106777622A

(43)申请公布日2017.05.31

(21)申请号201611109294.7

(22)申请日2016.12.06

(71)申请人山东瀚岳智能科技股份有限公司

地址250101山东省济南市高新区新泺大

街2008号银荷大厦3-1006

(72)发明人张静

(74)专利代理机构济南圣达知识产权代理有限

公司37221

代理人张勇

(51)Int.Cl.

G06F17/50(2006.01)

G06K9/62(2006.01)

G06K9/66(2006.01)

权利要求书2页说明书8页附图3页

(54)发明名称

基于人工智能的机电设备在线故障诊断的

方法及系统

(57)摘要

本发明公开了一种基于人工智能的机电设

备在线故障诊断的方法及系统，其中，该方法包

括步骤1：分别采集机电设备的运行状态信息；步

骤2：构建原始特征矩阵；筛选出原始特征矩阵中

特征数据x的最大值xmax和最小值xmin，利用X＝

(x-x)/(x-x)对原始特征矩阵中特征数据

minmaxmin

进行归一化，其中，X为归一化后的特征数据；步

骤3：利用基于余弦相似度的特征空间降维方法

来对归一化的原始特征矩阵进行降维处理，得到

由具有分类信息的n个特征数据构成的降维后特

征矩阵；其中，n为正整数；步骤4：建立相应的故

障训练集；步骤5：实时采集机电设备的运行状态

A

2信息，经过步骤2-步骤3后获得降维后的特征矩

2

6阵，并与故障训练集进行比对，判断机电设备的

7

7

7运行状态。

6

0

1

N

C

权利要求书

CN106777622A1/2页

1.一种基于人工智能的机电设备在线故障诊断的方法，其特征在于，包括：

步骤1：分别采集机电设备的运行状态信息，所述运行状态信息包括机械振动信号、噪

声信号、设备运行图像信息及设备运行环境信息；

步骤2：对采集到的信息进行预处理，并提取预处理后信息的特征，构建原始特征矩阵；

筛选出原始特征矩阵中特征数据x的最大值xmax和最小值xmin，利用X＝(x-xmin)/(xmax-xmin)

对原始特征矩阵中特征数据进行归一化，其中，X为归一化后的特征数据；

步骤3：利用基于余弦相似度的特征空间降维方法来对归一化的原始特征矩阵进行降

维处理，得到由具有分类信息的n个特征数据构成的降维后特征矩阵；其中，n为正整数；

步骤4：设置机电设备的每种运行状态对应一个类别模式，每一个类别模式具有n个特

征数据且对应n维空间的一个矢量或一个点；根据机电设备的正常运行状态信息将每维空

间所对应的区域划分为一个类别模式，建立相应的故障训练集；

步骤5：实时采集机电设备的运行状态信息，经过步骤2-步骤3后获得降维后的特征矩

阵，并与故障训练集进行比对，判断机电设备的运行状态。

2.如权利要求1所述的一种基于人工智能的机电设备在线故障诊断的方法，其特征在

于，该方法还包括：利用基于boost思想的增量学习算法来更新故障训练集，实现对机电设

备的运行状态进行分类。

3.如权利要求1所述的一种基于人工智能的机电设备在线故障诊断的方法，其特征在

于，所述步骤2中对采集到的信息进行预处理包括消除趋势项和平滑滤波。

4.如权利要求1所述的一种基于人工智能的机电设备在线故障诊断的方法，其特征在

于，在步骤2之前，还包括将采集机电设备的运行状态信息由模拟量转化为数字量。