一种港口起重装备故障诊断方法及系统
摘要文本
本发明属于故障检测领域，具体涉及一种港口起重装备故障诊断方法及系统，该方法包括利用T分布式随机邻居嵌入(T‑SNE)与无监督学习聚类算法(K‑means)结合针对工业设备的无标签数据的处理, 对无标签数据进行自动分类设置标签，提高了模型对无标签数据的适应能力，结合了CNN对时序数据特征挖掘能力以及Transform可以学习与时间长度无关的时序数据的能力，时域频域双通道解决了单个域对预测结果的限制，提高了模型对港口故障数据故障诊断的准确性。
申请人信息
- 申请人:青岛理工大学; 青岛杰瑞工控技术有限公司
- 申请人地址:266520 山东省青岛市市北区抚顺路11号
- 发明人: 青岛理工大学; 青岛杰瑞工控技术有限公司
专利详细信息
| 项目 | 内容 |
|---|---|
| 专利名称 | 一种港口起重装备故障诊断方法及系统 |
| 专利类型 | 发明申请 |
| 申请号 | CN202410137760.0 |
| 申请日 | 2024/2/1 |
| 公告号 | CN117668670A |
| 公开日 | 2024/3/8 |
| IPC主分类号 | G06F18/241 |
| 权利人 | 青岛理工大学; 青岛杰瑞工控技术有限公司 |
| 发明人 | 陈健; 徐浩; 谢敬玲; 吕成兴; 高乾; 杨智博; 焦锋; 魏立明; 解静; 张忠岩; 崔海朋; 雷鹏; 黄光正; 许洪祖 |
| 地址 | 山东省青岛市经济技术开发区嘉陵江路777号; 山东省青岛市市南区山东路27号东栋101室 |
专利主权项内容
1.一种港口起重装备故障诊断方法，其特征在于，包括以下步骤：S1.对港口起重机的起升机构、闭合机构、回转机构和变幅机构安装相应的温度传感器与温振一体式传感器进行温振数据采集，构建振动故障数据集、温度故障数据集/>；S2.对、/>分别进行归一化处理得到/>、/>；/>、/>作为T-SNE算法的输入，从而确定K-means的聚类分布值，利用K-means计算样本/>、/>所属新类别, 经过无监督学习分类获得带有标签的时域数据集/>、/>，采用快速傅里叶变化获得对应的频域数据集/>、/>；KS3.构建双通道的CNN-Transform网络模型，其中每个通道都包括卷积神经网络与Transform编码器模块，卷积神经网络之后连接Transform的编码器模块，针对、/>与/>、分别进行相同学习过程训练出振动预测模型与温度预测模型，首先卷积神经网络对输入；首先卷积神经网络对输入/>、/>和/>、/>进行初步学习输出/>、/>，编码器模块对于卷积神经网络的输出进一步学习输出/>、/>，时域通道编码器模块输出的/>与频域通道编码器模块输出的/>经过融合层加权求和获得融合层输出/>；S4.输入给编码器模块进一步学习输出/>，最后输入到全连接层，全连接层应用归一化指数函数SoftMax进行故障诊断。 马 克 数 据 网