1.一种在随机冲击干扰下的故障诊断方法,其特征在于,所述方法包括:
利用振动传感器采集同一旋转机械在未添加随机冲击干扰下产生的正常振动信号集和添加随机冲击干扰下产生的异常振动信号集;所述正常振动信号集中包含无故障的若干常规振动信号和由正常故障产生的若干有效异常信号;
利用所述正常振动信号集对构建的自编码孤立森林模型进行无监督训练,以使所述自编码孤立森林模型学习到所述旋转机械在未添加随机冲击干扰下呈现的关键特征,避免对异常振动信号的误检;
将所述异常振动信号集输入训练完毕的所述自编码孤立森林模型中;其中,所述自编码孤立森林模型包含自编码器和孤立森林;所述自编码器作为所述孤立森林的分割器,将所述异常振动信号集中的若干无效异常信号分割为输入子集,以使所述孤立森林以所述输入子集为划分依据划分孤立树,快速检测出所述异常振动信号集中的若干无效异常信号;
当从所述自编码孤立森林模型检测出所述无效异常信号,返回所述无效异常信号的索引位置,并利用所述索引位置附近的所述常规振动信号替换掉所述无效异常信号,用以消除所述无效异常信号对所述异常振动信号的故障诊断影响;
将消除无效异常信号后的所述异常振动信号集进行包络分析,根据包络分析结果判断旋转机械设备是否存在故障及其故障类别;其中,所述自编码器分为编码器和解码器;将所述异常振动信号集中的每个异常振动信号输入引入了稀疏正则化项的编码器编码为低维表示;
将所述低维表示利用所述解码器重构为和所述每个异常振动信号相似的重构信号,再利用损失函数计算所述重构信号的重构误差,使所述自编码器在得到最小化重构误差的同时保持稀疏性;
若所述重构误差在阈值范围之外,表示对应的异常振动信号为所述无效异常信号;若所述重构误差在阈值范围之内,表示对应的异常振动信号为是所述正常振动信号;
将所述异常振动信号集经过所述自编码器得到的所述若干无效异常信号作为第一类输入子集,将所述异常振动信号集经过所述自编码器得到的常规振动信号和有效异常信号归为第二类输入子集输入所述孤立森林,以使所述孤立森林以两类输入子集为划分依据划分孤立树,快速检测出所述若干无效异常信号;
所述解码器包括若干卷积层,每个卷积层后连接上采样层、批归一化BN层,直至最后一层卷积层输出;其中,所述若干卷积层用于对输入的低维表示进行卷积运算;所述上采样层用于对卷积运算结果进行放大;所述BN层用于对放大后的特征参数进行归一化处理,得到所述重构信号;
所述第一类输入子集中的每个无效异常信号均作为划分依据,以使所述孤立森林按照每个无效异常信号划分孤立树,直至划分出每个无效异常信号或者达到划分参数为止,以快速检测出所述无效异常信号;
所述第二类输入子集中的每个正常振动信号也会作为划分依据,以使所述孤立森林按照每个正常振动信号划分孤立树,直至划分出每个正常振动信号或者达到划分参数为止。
2.如权利要求1所述的方法,其特征在于,所述利用振动传感器采集同一旋转机械在未添加随机冲击下产生的正常振动信号集和在随机冲击干扰下产生的异常振动信号集,具体包括:利用振动传感器监测同一旋转机械在未添加随机冲击以及添加随机激励的振动,并利用滑动窗将两种振动信号各自分解为所述正常振动信号集和所述异常振动信号集;或者利用所述振动传感器监测同一旋转机械在未添加随机冲击的振动,并利用所述滑动窗将所述振动分解为所述正常振动信号集;在所述正常振动信号集中加入所述无效异常信号,得到所述异常振动信号集。
3.如权利要求1所述的方法,其特征在于,所述自编码器为自适应稀疏卷积自编码器。
4.如权利要求1所述的方法,其特征在于,所述编码器包括若干卷积层,每个卷积层后面引入一丢弃层、批归一化层BN层;其中,所述若干卷积层用于对输入的异常振动信号进行卷积运算;其中,首个卷积层引入了稀疏正则化项;
所述丢弃层用于丢弃所述卷积层卷积计算后的特征参数,防止过拟合;
所述BN层用于对剩余的特征参数进行归一化处理,得到所述异常振动信号的低维表示。
5.如权利要求1所述的方法,其特征在于,所述利用所述索引位置附近的所述常规振动信号替换掉所述无效异常信号,具体包括:选取所述索引位置前后的所述常规振动信号,根据公式Di=Di‑1+(Di‑1+Di+1)/2求取新信号值,并替换掉所述无效异常信号;其中,Di表示位于所述索引位置的新信号值,Di‑1表示位于索引位置前一位的所述常规振动信号的信号值,Di+1表示位于索引位置后一位的所述常规振动信号的信号值。
6.一种在随机冲击干扰下的故障诊断系统,其特征在于,包括:
振动传感器,用于采集同一旋转机械在未添加随机冲击干扰下产生的正常振动信号集和添加随机冲击干扰下产生的异常振动信号集;所述正常振动信号集中包含无故障的若干常规振动信号和由正常故障产生的若干有效异常信号;
模型处理装置,用于:
利用所述正常振动信号集对构建的自编码孤立森林模型进行无监督训练,以使所述自编码孤立森林模型学习到所述旋转机械在未添加随机冲击干扰下呈现的关键特征,避免对异常振动信号的误检;
将所述异常振动信号集输入训练完毕的所述自编码孤立森林模型中;其中,所述自编码孤立森林模型包含自编码器和孤立森林;所述自编码器作为所述孤立森林的分割器,将所述异常振动信号集中的若干无效异常信号分割为输入子集,以使所述孤立森林以所述输入子集为划分依据划分孤立树,快速检测出所述异常振动信号集中的若干无效异常信号;
当从所述自编码孤立森林模型检测出所述无效异常信号,返回所述无效异常信号的索引位置,并利用所述索引位置附近的所述常规振动信号替换掉所述无效异常信号,用以消除所述无效异常信号对所述异常振动信号的故障诊断影响;
包络分析装置,用于将消除无效异常信号后的所述异常振动信号集进行包络分析,根据包络分析结果判断旋转机械设备是否存在故障及其故障类别;其中,所述自编码器分为编码器和解码器;
将所述异常振动信号集中的每个异常振动信号输入引入了稀疏正则化项的编码器编码为低维表示;
将所述低维表示利用所述解码器重构为和所述每个异常振动信号相似的重构信号,再利用损失函数计算所述重构信号的重构误差,使所述自编码器在得到最小化重构误差的同时保持稀疏性;
若所述重构误差在阈值范围之外,表示对应的异常振动信号为所述无效异常信号;若所述重构误差在阈值范围之内,表示对应的异常振动信号为是所述正常振动信号;
将所述异常振动信号集经过所述自编码器得到的所述若干无效异常信号作为第一类输入子集,将所述异常振动信号集经过所述自编码器得到的常规振动信号和有效异常信号归为第二类输入子集输入所述孤立森林,以使所述孤立森林以两类输入子集为划分依据划分孤立树,快速检测出所述若干无效异常信号;
所述解码器包括若干卷积层,每个卷积层后连接上采样层、批归一化BN层,直至最后一层卷积层输出;其中,所述若干卷积层用于对输入的低维表示进行卷积运算;所述上采样层用于对卷积运算结果进行放大;所述BN层用于对放大后的特征参数进行归一化处理,得到所述重构信号;
所述第一类输入子集中的每个无效异常信号均作为划分依据,以使所述孤立森林按照每个无效异常信号划分孤立树,直至划分出每个无效异常信号或者达到划分参数为止,以快速检测出所述无效异常信号;
所述第二类输入子集中的每个正常振动信号也会作为划分依据,以使所述孤立森林按照每个正常振动信号划分孤立树,直至划分出每个正常振动信号或者达到划分参数为止。