CN117150357B 基于多传感器相关特征融合的旋转机械设备故障诊断方法 （西安电子科技大学）.docxVIP

(19)国家知识产权局

(12)发明专利

(10)授权公告号CN117150357B(45)授权公告日2025.07.01

(21)申请号202311080133.X

(22)申请日2023.08.25

(65)同一申请的已公布的文献号申请公布号CN117150357A

(43)申请公布日2023.12.01

(73)专利权人西安电子科技大学

地址710071陕西省西安市太白南路2号

(72)发明人冯志玺马悦彭同庆杨淑媛

(74)专利代理机构陕西电子工业专利中心

61205

专利代理师陈宏社王品华

(51)Int.CI.

GO6F18/241(2023.01)

GO6F18/214(2023.01)

GO6F18/25(2023.01)

GO6N3/0464(2023.01)

(56)对比文件

CN116010900A,2023.04.25

WO2019100723A1,2019.05.31审查员来文燕

权利要求书2页说明书5页附图1页

(54)发明名称

基于多传感器相关特征融合的旋转机械设备故障诊断方法

(57)摘要

CN117150357B本发明提出了一种基于多传感器相关特征融合的旋转机械设备故障诊断方法，实现步骤为：获取训练样本集和测试样本集；搭建基于多传感器相关特征融合网络的故障诊断模型；初始化参数；对故障诊断模型进行训练；获取训练好的故障诊断模型；获取故障诊断目标分类结果。本发明在对故障诊断模型进行训练以及获取诊断结果的过程中，由于多传感器相关特征融合网络可以对通过多传感器特征提取网络的输出结果所构建的传感器内标签相关矩阵与传感器间标签相关矩阵进行融合，实现了不同传感器间故障信息的互补，有效的提高了故障诊断的准确率。通过融合时域和时频域两个模态的故障信

CN117150357B

获取训练样本集和测试样本集

获取训练样本集和测试样本集

搭建基于多传感器相关特征融合网络的故障诊断模型

初始化参数

对故障诊断模型进行训练

获取训练好的模型

获取故障诊断目标分类结果

CN117150357B权利要求书1/2页

2

1.一种基于多传感器相关特征融合的旋转机械设备故障诊断方法，其特征在于，包括如下步骤：

(1)获取训练样本集和测试样本集：

获取通过M个传感器采集的包含C个故障类别的多条原始信号数据及其对应的故障标签，以及待诊断旋转机械设备的多条实时信号数据，并对每条原始信号数据和每条实时信号数据进行预处理，然后将预处理后的I条原始信号数据及其对应的故障标签组成训练样本集Xtrain,将预处理后的J条实时信号数据构成测试样本集Xtest,其中M≥2,C≥2;

(2)搭建基于多传感器相关特征融合网络的故障诊断模型：

搭建包括顺次级联的多传感器特征提取网络、多传感器相关特征融合网络和分类器C的故障诊断模型0,其中，多传感器特征提取网络包括M个并行排布的网络分支，第m个网络分支包括并行排布的全局-局部时间编码器和时频编码器，及与该两个编码器的输出端依次级联的融合模块和分类模块C;多传感器相关特征融合网络，用于对通过多传感器特征提取网络的输出结果所构建的传感器内标签相关矩阵与传感器间标签相关矩阵进行融合；

(3)初始化参数：

初始化训练迭代次数为t,最大迭代次数为T,第t次迭代多传感器特征提取网络、分类器C的参数分别为φ和μ,并令t=0;

(4)对故障诊断模型进行训练：

将训练样本集Xtrain作为故障诊断模型0的输入进行前向传播，得到I个预测概率P;

(5)获取训练好的故障诊断模型：

对特征提取网络的参数φ和分类器C的参数μ进行更新，得到本次迭代的故障诊断模型0,并判断t≥T是否成立，若是，得到训练好的故障诊断模型0*,否则，令t=t+1,0=0,并执行步骤(4);

(6)获取故障诊断目标分类结果：

将测试样本集Xtest作为训练好的故障诊断模型0*的输入进行前向传播，得到J个分类结果。

2.根据权利要求1所述的方法，其特征在于，步骤(1)中所述的对每条原始信号数据和每条实时信号数据进行预处理，实现步骤为：

(1a)通过滑动窗口采样的方式将每条原始信号数据和每条实时信号数据分割为长度为1的数据段，并对每个进行标准化处理，得到预处理后的I条原始信号数据段和J条实时信号数据段；

(1b)将预处理后的I条原始信号数据段及多条原始信号