System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本申请属于机泵设备故障诊断领域,具体涉及一种机泵设备运行故障诊断方法、装置、存储介质及电子设备。
技术介绍
1、机械设备诊断技术是一门综合性学科,它结合传感器技术、动态测试技术和不同领域的理论知识,对机械设备运行状态信息进行采集和分析,发现运行异常和故障机理,对设备的整体运行状况进行全面的评估,这对机械设备的设计、制造、维护等方面有重要的指导作用。机泵故障诊断的意义在于:(1)能够及时准确地掌握机泵设备的故障状况,对故障状态进行提前的判断和处理,对潜在的故障进行预防性维护,降低维修的成本和开支。(2)通过对机泵的实时监测和定期的检测,在不影响生产的前提下对机泵设备进行检修,避免故障恶化,延长机械设备的寿命,最大化使用效率。(3)了解机泵运行状态的变化,保证了设备连续工作的稳定性,加强了对机组的管理控制。
2、因此,机泵作为工业生产的核心设备,进行安全监测和故障诊断是非常必要的。研究机泵的故障诊断技术可以快速准确地判断故障类型,缩短设备维修的时间,还可以及时发现机泵早期故障,提高维修效果,延缓设备的报废时间,防止连锁反应,提高整个系统的安全性和持久性。现有的机泵故障诊断方法过于依赖人工经验和固有的诊断规则,对故障分析不够全面,判断依据过于单一,从而导致不能完全了解机泵故障的真实情况,因此,有必要提出一种新的机泵设备故障诊断方法,以提高机泵设备的故障诊断准确率。
技术实现思路
1、针对现有技术中的不足,本申请的目的在于提供一种机泵设备运行故障诊断方法,该方法通过强化学习动态
2、为实现上述目的,本申请提供以下技术方案:
3、一种机泵设备运行故障诊断方法,所述方法包括以下步骤:
4、s100:采集待测机泵设备运行过程中的振动信号;
5、s200:对所采集的振动信号进行标准化处理,以获得标准化处理后的振动信号;
6、s300:构建机泵设备故障诊断模型并训练;
7、其中,所述机泵设备故障诊断模型包括多个基分类器,所述多个基分类器通过强化学习算法dqn实现权重动态分配,以应对不同类型的机泵设备故障诊断;
8、s400:将标准化处理后的振动信号输入训练好的模型进行特征提取,并根据所提取的特征选择适配的基分类器组合,以实现对待测机泵设备的故障诊断,其中,所述基分类器组合分配有不同权重。
9、优选的,步骤s200中,通过使用标准化方法对所采集的振动信号进行标准化处理。
10、优选的,步骤s300中,所述机泵设备故障诊断模型通过以下步骤训练:
11、s301:采集机泵设备的不同类型的历史故障数据以获得样本数据集,将数据集经标准化处理后划分为训练样本数据集和测试样本数据集;
12、s302:设置每个基分类器的训练参数,使用训练样本数据集对各基分类器进行训练,当达到最大训练次数或交叉熵损失函数收敛,模型训练完成,其中,最大训练次数基于训练样本数据集中的故障类型数量而定;
13、s303:利用测试样本数据集对训练后的模型进行测试,在测试过程中,当各基分类器的分类精度达到95%,模型测试通过;否则调整各基分类器的训练参数对模型重新进行训练,直至模型测试通过。
14、优选的,步骤s300中,所述多个基分类器通过强化学习算法dqn进行权重分配包括以下步骤:
15、s3001:对强化学习dqn算法进行初始化;
16、s3002:根据epsilon-greedy策略并基于初始化后的dqn算法对各基分类器进行权重分配。
17、本公开还提供了一种机泵设备运行故障诊断装置,所述装置包括:
18、采集单元,用于采集待测机泵设备运行过程中的振动信号;
19、标准化处理单元,用于对所采集的振动信号进行标准化处理,以获得标准化处理后的振动信号;
20、模型构建及训练单元,用于构建机泵设备故障诊断模型并训练;
21、其中,所述机泵设备故障诊断模型包括多个基分类器,所述多个基分类器通过强化学习算法dqn实现权重动态分配,以应对不同类型的机泵设备故障诊断;
22、故障诊断单元,用于将标准化处理后的振动信号输入训练好的模型进行特征提取,以及用于根据所提取的特征选择适配的基分类器组合,以实现对待测机泵设备的故障诊断,其中,所述基分类器组合分配有不同权重。
23、本公开还提供了一种电子设备,包括:
24、存储器,处理器及存储在存储器上并可在处理器上运行的计算机程序,其中,
25、所述处理器执行所述程序时实现如前任一所述的方法。
26、本公开还提供了一种计算机存储介质,所述计算机存储介质存储有计算机可执行指令,所述计算机可执行指令用于执行如前任一所述的方法。
27、与现有技术相比,本申请带来的有益效果为:本申请能够结合实际机泵设备运行过程,并根据待测振动数据的故障特征通过强化学习算法dqn给各基分类器进行动态分配权重,从而能够对机泵设备的故障类别进行精准诊断,减少了故障诊断出错的情况。
本文档来自技高网...【技术保护点】
1.一种机泵设备运行故障诊断方法,其特征在于,所述方法包括以下步骤:
2.根据权利要求1所述的方法,其特征在于,步骤S200中,通过使用标准化方法对所采集的振动信号进行标准化处理。
3.根据权利要求1所述的方法,其特征在于,步骤S300中,所述机泵设备故障诊断模型通过以下步骤训练:
4.根据权利要求1所述的方法,其特征在于,步骤S300中,所述多个基分类器通过强化学习算法DQN进行权重分配包括以下步骤:
5.一种机泵设备运行故障诊断装置,其特征在于,所述装置包括:
6.一种电子设备,其特征在于,所述电子设备包括:
7.一种计算机存储介质,其特征在于,所述计算机存储介质存储有计算机可执行指令,所述计算机可执行指令用于执行权利要求1至4任一所述的方法。
【技术特征摘要】
1.一种机泵设备运行故障诊断方法,其特征在于,所述方法包括以下步骤:
2.根据权利要求1所述的方法,其特征在于,步骤s200中,通过使用标准化方法对所采集的振动信号进行标准化处理。
3.根据权利要求1所述的方法,其特征在于,步骤s300中,所述机泵设备故障诊断模型通过以下步骤训练:
4.根据权利要求1所述的方法,其特征在于,步...
【专利技术属性】
技术研发人员:刘云刚,刘云川,甘乐天,漆仲黎,易军,
申请(专利权)人:四川泓宝润业工程技术有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。