【技术实现步骤摘要】
本专利技术属于异常诊断，具体涉及一种基于多维信号分析的机舱部件异常诊断方法及系统。
技术介绍
1、随着全球对可再生能源需求的不断增长，风力发电作为清洁能源的重要组成部分，其装机容量和技术水平都在迅速发展。风电机组的大型化和复杂化对机组的可靠性和运维效率提出了更高的要求。风力发电机组通常安装在偏远地区，如海上风电场或山区，这使得维修成本高昂且维修周期长。机舱内的关键大部件一旦发生故障，不仅会影响发电效率，还可能导致昂贵的维修费用和长时间的生产停顿。
2、现有技术的机舱部件异常诊断存在以下缺陷：
3、1)往往依赖于单一的信号类型(如仅声音信号或振动信号)，这可能导致在复杂环境下诊断准确性不高，并且传统的信号处理方法可能无法有效提取信号中的复杂特征，从而进一步影响诊断的准确性；
4、2)信号分析和诊断过程往往需要专业技术人员进行大量的手动操作，这不仅耗时而且容易出错，导致可执行性差；
5、3)缺乏响应机制，当检测到异常时，往往不能提供具体的维修指导策略，导致维修人员可能无法迅速采取正确的维修措施，实用性差。
技术实现思路
1、为了解决现有技术存在的准确性低、可执行性差以及实用性差的问题，本专利技术目的在于提供一种基于多维信号分析的机舱部件异常诊断方法及系统。
2、本专利技术所采用的技术方案为：
3、一种基于多维信号分析的机舱部件异常诊断方法，包括如下步骤：
4、根据采集的机舱的若干历史多维信号，使用多维融
5、采集机舱的实时多维信号，并使用机舱部件异常诊断模型，对预处理后实时多维信号进行异常诊断，得到实时机舱部件异常诊断结果；
6、使用维修指导模型，对实时机舱部件异常诊断结果进行维修指导策略生成，得到实时维修指导策略。
7、进一步地，历史/实时多维信号包括历史/实时声音信号和历史/实时振动信号。
8、进一步地，根据采集的机舱的若干历史多维信号，使用多维融合信号分析算法，构建机舱部件异常诊断模型，并使用强化学习算法，构建维修指导模型，包括如下步骤：
9、采集机舱在不同运行情况下的若干历史多维信号，并对若干历史多维信号进行预处理，得到若干预处理后历史多维信号；
10、对预处理后历史多维信号的预处理后历史声音信号进行stft处理，得到历史声谱图，对预处理后历史振动信号进行stft处理，得到历史振动谱图；
11、根据若干预处理后历史声音信号、对应的历史声谱图以及历史振动谱图，使用多维融合信号分析算法，构建机舱部件异常诊断模型；
12、根据机舱部件异常诊断模型生成的若干历史机舱部件异常诊断结果，使用强化学习算法，构建维修指导模型，并生成若干维修指导策略生成经验。
13、进一步地，机舱部件异常诊断模型基于logfbank-aaa-attention-mlp算法构建。
14、进一步地，维修指导模型基于dqn算法构建。
15、进一步地，根据机舱部件异常诊断模型生成的若干历史机舱部件异常诊断结果，使用强化学习算法，构建维修指导模型，并生成若干维修指导策略生成经验，包括如下步骤：
16、根据维修指导策略生成问题，定义dqn算法的模拟环境，并构建智能体和经验回放池；
17、将历史机舱部件异常诊断结果转换为若干历史状态参数，并根据若干历史状态参数，定义dqn算法的状态空间；
18、将预设维修指导策略转换为若干历史动作参数，并根据若干历史动作参数，定义dqn算法的动作空间；
19、根据动作空间中每一动作参数的影响情况，定义dqn算法的奖励函数；
20、构建深度q网络的输入层、若干隐含层以及输出层，将输入层连接至状态空间，并将输出层连接至动作空间；
21、基于状态空间、动作空间以及奖励函数，根据若干历史机舱部件异常诊断结果，对深度q网络和智能体进行优化训练，构建维修指导模型；
22、生成若干历史维修指导策略生成经验，并将若干历史维修指导策略生成经验存储至经验回放池。
23、进一步地，采集机舱的实时多维信号，并使用机舱部件异常诊断模型，对预处理后实时多维信号进行异常诊断，得到实时机舱部件异常诊断结果，包括如下步骤：
24、采集机舱的实时多维信号，并对实时多维信号进行预处理，得到预处理后实时多维信号；
25、对预处理后实时多维信号的预处理后实时声音信号进行stft处理，得到实时声谱图，对预处理后实时振动信号进行stft处理，得到实时振动谱图；
26、将预处理后实时声音信号、对应的实时声谱图以及实时振动谱图输入机舱部件异常诊断模型，进行异常诊断，得到实时机舱部件异常诊断结果。
27、进一步地，将预处理后实时声音信号、对应的实时声谱图以及实时振动谱图输入机舱部件异常诊断模型，进行异常诊断，得到实时机舱部件异常诊断结果，包括如下步骤：
28、提取预处理后实时声音信号的实时声学分析特征、实时声谱图的第一实时频谱特征以及实时振动谱图的第二实时频谱特征；
29、根据预设的注意力权重值，对实时声学分析特征、第一实时频谱特征以及第二实时频谱特征进特征拼接，得到实时拼接特征；
30、根据实时拼接特征，进行异常诊断，得到实时机舱部件异常诊断结果。
31、进一步地，使用维修指导模型，对实时机舱部件异常诊断结果进行维修指导策略生成，得到实时维修指导策略，包括如下步骤：
32、在经验回放池中提取若干历史维修指导策略生成经验，并根据若干历史维修指导策略生成经验，更新维修指导模型的动作空间，得到更新的动作空间；
33、根据实时机舱部件异常诊断结果，更新维修指导模型的状态空间，得到更新的状态空间；
34、根据更新的状态空间，更新深度q网络的输入层，根据更新的动作空间，更新深度q网络的输出层，得到更新的维修指导模型；
35、使用更新的维修指导模型，生成实时维修指导策略和对应的实时维修指导策略生成经验，并将实时维修指导策略生成经验存储至经验回放池。
36、一种基于多维信号分析的机舱部件异常诊断系统，用于实现机舱部件异常诊断方法，系统包括依次连接的模型构建单元、异常诊断单元以及维修指导单元。
37、本专利技术的有益效果为：
38、本专利技术公开了一种基于多维信号分析的机舱部件异常诊断方法及系统，采用了多维的信号融合技术，能够同时处理和整合多种类型的复杂信号(声音信号、振动信号以及其它信号)，从而提高了在复杂环境下诊断的准确性；基于智能化的特征提取方法，能够自动从多维信号中提取关键特征，减少了人工干预，并显著提高了特征提取的效率和准确性，增强了可执行性；提供了响应机制，使用强化学习算法构建的维修指导模型，在检测到异常时，能够提供具体的维修指导策本文档来自技高网...
【技术保护点】
1.一种基于多维信号分析的机舱部件异常诊断方法，其特征在于：包括如下步骤：
2.根据权利要求1所述的一种基于多维信号分析的机舱部件异常诊断方法，其特征在于：所述的历史/实时多维信号包括历史/实时声音信号和历史/实时振动信号。
3.根据权利要求2所述的一种基于多维信号分析的机舱部件异常诊断方法，其特征在于：根据采集的机舱的若干历史多维信号，使用多维融合信号分析算法，构建机舱部件异常诊断模型，并使用强化学习算法，构建维修指导模型，包括如下步骤：
4.根据权利要求3所述的一种基于多维信号分析的机舱部件异常诊断方法，其特征在于：所述的机舱部件异常诊断模型基于logfBank-AAA-Attention-MLP算法构建。
5.根据权利要求3所述的一种基于多维信号分析的机舱部件异常诊断方法，其特征在于：所述的维修指导模型基于DQN算法构建。
6.根据权利要求5所述的一种基于多维信号分析的机舱部件异常诊断方法，其特征在于：根据机舱部件异常诊断模型生成的若干历史机舱部件异常诊断结果，使用强化学习算法，构建维修指导模型，并生成若干维修指导
7.根据权利要求4所述的一种基于多维信号分析的机舱部件异常诊断方法，其特征在于：采集机舱的实时多维信号，并使用机舱部件异常诊断模型，对预处理后实时多维信号进行异常诊断，得到实时机舱部件异常诊断结果，包括如下步骤：
8.根据权利要求7所述的一种基于多维信号分析的机舱部件异常诊断方法，其特征在于：将预处理后实时声音信号、对应的实时声谱图以及实时振动谱图输入机舱部件异常诊断模型，进行异常诊断，得到实时机舱部件异常诊断结果，包括如下步骤：
9.根据权利要求6所述的一种基于多维信号分析的机舱部件异常诊断方法，其特征在于：使用维修指导模型，对实时机舱部件异常诊断结果进行维修指导策略生成，得到实时维修指导策略，包括如下步骤：
10.一种基于多维信号分析的机舱部件异常诊断系统，用于实现如权利要求1-9任一所述的机舱部件异常诊断方法，其特征在于：所述的系统包括依次连接的模型构建单元、异常诊断单元以及维修指导单元。
...【技术特征摘要】
1.一种基于多维信号分析的机舱部件异常诊断方法，其特征在于：包括如下步骤：
2.根据权利要求1所述的一种基于多维信号分析的机舱部件异常诊断方法，其特征在于：所述的历史/实时多维信号包括历史/实时声音信号和历史/实时振动信号。
3.根据权利要求2所述的一种基于多维信号分析的机舱部件异常诊断方法，其特征在于：根据采集的机舱的若干历史多维信号，使用多维融合信号分析算法，构建机舱部件异常诊断模型，并使用强化学习算法，构建维修指导模型，包括如下步骤：
4.根据权利要求3所述的一种基于多维信号分析的机舱部件异常诊断方法，其特征在于：所述的机舱部件异常诊断模型基于logfbank-aaa-attention-mlp算法构建。
5.根据权利要求3所述的一种基于多维信号分析的机舱部件异常诊断方法，其特征在于：所述的维修指导模型基于dqn算法构建。
6.根据权利要求5所述的一种基于多维信号分析的机舱部件异常诊断方法，其特征在于：根据机舱部件异常诊断模型生成的若干历史机舱部件异常诊断结果，...
【专利技术属性】
技术研发人员：木尔德力玛依拉，闫文倩，解晓东，张守禄，徐武刚，牛亚飞，
申请(专利权)人：哈密远鑫风电有限公司，
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。