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！

申请/专利权人：华中科技大学

摘要：本发明公开了一种柱塞泵故障智能诊断方法、诊断系统、计算机设备及介质，属于柱塞泵故障诊断领域，方法通过训练初始的曲元成分分析模型得到基准曲元成分分析模型；Q个传感器的曲元成分分析模型均共享基准曲元成分分析模型的拓扑结构，并采用精炼变换提升其拓扑质量；采用非线性插值操作对Q个传感器的曲元成分分析模型进行迁移变换，得到所有传感器的优化的曲元成分分析模型；利用优化的曲元成分分析模型输出的曲元成分映射结果训练FilterSAMME模型，得到训练好的FilterSAMME模型，用以柱塞泵故障智能诊断。本发明解决了现有柱塞泵故障诊断方法无法在变工况及多传感器监测数据下准确诊断故障的技术问题。

主权项：1.一种柱塞泵故障智能诊断方法，柱塞泵上设有Q个传感器，用于采集不同工况不同故障类型下的振动信号，即传感器数据，Q＞1，其特征在于，包括如下步骤：S1选取来自同一传感器的不同故障类型间表征边界清晰的多个特征数据训练初始的曲元成分分析模型，将训练后的模型作为基准曲元成分分析模型，训练目的是使得基准曲元成分分析模型输入特征数据，即可输出标准的维数约减后的特征数据；所述特征数据是对传感器数据进行特征提取得到的数据；S2所述Q个传感器的曲元成分分析模型均共享所述基准曲元成分分析模型的拓扑结构，并采用精炼变换消除其与所述基准曲元成分分析模型的拓扑结构的细微差别；其中，每个所述传感器对应一个曲元成分分析模型，用于对该传感器的特征数据进行维数约简；S3采用非线性插值操作对步骤S2得到的所述Q个传感器的曲元成分分析模型进行迁移变换，使之能够对新工况下的特征数据进行维数约减，得到所有传感器的优化的曲元成分分析模型；所述新工况是指步骤S1的训练数据未涵盖的工况；S4对于每个传感器，将其特征数据输入其优化的曲元成分分析模型，输出的维数约减后的特征数据即曲元成分映射结果作为训练样本，该特征数据对应的故障类型为标签，构成一组训练数据，多组训练数据构成第一训练集，对FilterSAMME模型中的一个SAMME模型进行训练；以此方式对FilterSAMME模型中的Q个SAMME模型训练；训练后的FilterSAMME模型以Q个SAMME模型构成的联合模型与Q个SAMME模型中准确率最高者输出的故障类型作为诊断结果；得到训练好的FilterSAMME模型，用以柱塞泵故障智能诊断；所述精炼变换操作如下： 式中，p为样本编号，该样本是传感器数据，p＝1,2,…,P，P为样本个数；l为工况编号，l＝1,2,…,L，L为工况个数；为第p个样本对应的精炼参数；为通过旋转与平移操作后的转换值；Ap为变换至YRated，l的旋转向量；bp为变换至YRated，l的平移量；以步骤S1选取的特征数据来源传感器为基准传感器，其他传感器为非基准传感器，为非基准传感器在第l个工况下的第p个样本对应的特征数据输入该非基准传感器对应的优化的曲元成分分析模型，输出的曲元成分映射结果；YRated，l为基准传感器在第l个工况下的特征数据输入所述基准曲元成分分析模型，输出的曲元成分映射结果；步骤S4具体为：S41对于第q个传感器，q＝1,2,…,Q，获取其第p个特征数据的曲元成分映射结果Xp，p＝1,2,...,P，作为训练样本，对应的故障类型Lp，Lp∈{1,2,...,C}作为标签，构成一组训练数据，P组训练数据构成第一训练集，对FilterSAMME模型中的第q个SAMME模型进行训练，并保留其准确率；以此方式对FilterSAMME模型中的Q个SAMME模型训练；其中P为训练样本数，C为故障类型数；单个SAMME模型中的样本学习权重表示为： 式中，wm,v和wm+1,v分别是第m轮和m+1轮训练时的单个SAMME模型中的样本学习权重，GmXp是将Xp输入SAMME模型中的弱分类器Gm的输出结果，αm是弱分类器权重；S42各SAMME模型训练结束后，保留准确率大于给定准确率阈值的SAMME模型，计算保留的SAMME模型的计分权重： 式中，是第r个被保留的SAMME模型即的计分权重，r＝1,2,3,...,k′，k′为保留的SAMME模型个数，ACCr为的准确率；通过加权概率法计算样本Xp属于故障类型c的分数 式中，为Xp输入至后输出的预测标签； 式中，为Xp输入至最终的预测标签；S43Q个SAMME模型构成的联合模型的准确率Acc联合为： 式中，所述联合模型与Q个SAMME模型的最高准确率为AccFusion：AccFusion＝max{Acc联合,Accr|r∈1,2,3,...,k′}11取AccFusion所对应的联合模型或SAMME模型输出的故障类型作为训练好的FilterSAMME模型输出的故障类型，即柱塞泵故障智能诊断结果。

全文数据：

权利要求：

百度查询： 华中科技大学 柱塞泵故障智能诊断方法、诊断系统、计算机设备及介质