本發(fā)明涉及機(jī)械設(shè)備健康評(píng)估領(lǐng)域，具體為一種多源無(wú)標(biāo)簽數(shù)據(jù)學(xué)習(xí)建模的傳動(dòng)系統(tǒng)性能退化評(píng)估方法。

背景技術(shù)：

近十年來(lái)機(jī)械設(shè)備健康評(píng)估技術(shù)成為長(zhǎng)壽命、高可靠機(jī)械設(shè)備運(yùn)營(yíng)管理的關(guān)鍵技術(shù)，相比較于傳統(tǒng)的設(shè)備運(yùn)營(yíng)管理技術(shù)，健康評(píng)估具有可發(fā)現(xiàn)早期的系統(tǒng)性能衰退，能給出設(shè)備的運(yùn)行健康程度，可將現(xiàn)行的設(shè)備定期維護(hù)發(fā)展到視情維護(hù)，可大幅度降低運(yùn)營(yíng)管理費(fèi)用等優(yōu)點(diǎn)。而性能退化評(píng)估是進(jìn)行機(jī)械設(shè)備健康評(píng)估的重要前提，因此關(guān)于性能退化評(píng)估的研究是機(jī)械設(shè)備健康評(píng)估領(lǐng)域的一個(gè)關(guān)鍵課題。

當(dāng)前性能退化評(píng)估的方法主要分兩類：基于設(shè)備健康狀態(tài)標(biāo)簽的有監(jiān)督分類和基于監(jiān)測(cè)數(shù)據(jù)的無(wú)監(jiān)督聚類。基于設(shè)備健康狀態(tài)標(biāo)簽的有監(jiān)督分類方法，依賴于先驗(yàn)知識(shí)構(gòu)造退化特征，依賴于健康狀態(tài)標(biāo)簽進(jìn)行退化狀態(tài)分類，對(duì)于實(shí)際中缺乏早期退化知識(shí)和退化狀態(tài)標(biāo)簽的機(jī)械設(shè)備難以湊效?；诒O(jiān)測(cè)數(shù)據(jù)的無(wú)監(jiān)督聚類方法，由于降低了對(duì)退化先驗(yàn)知識(shí)和退化狀態(tài)標(biāo)簽的依賴，在實(shí)際中得到了較多的應(yīng)用，然而現(xiàn)有聚類方法需要事先指定聚類個(gè)數(shù)，而聚類個(gè)數(shù)直接決定退化狀態(tài)個(gè)數(shù)，聚類個(gè)數(shù)的先驗(yàn)確定加劇了性能退化狀態(tài)評(píng)估結(jié)果的不確定性。如何在多源異構(gòu)數(shù)據(jù)下非監(jiān)督提取退化特征，在無(wú)標(biāo)簽條件下確定合理的確定聚類個(gè)數(shù)并進(jìn)行聚類是一個(gè)有待解決的問(wèn)題。

技術(shù)實(shí)現(xiàn)要素：

針對(duì)現(xiàn)有技術(shù)中存在的問(wèn)題，本發(fā)明提供一種多源無(wú)標(biāo)簽數(shù)據(jù)學(xué)習(xí)建模的傳動(dòng)系統(tǒng)性能退化評(píng)估方法。該方法既克服了退化特征提取對(duì)先驗(yàn)知識(shí)的依賴，又解決了傳統(tǒng)無(wú)標(biāo)簽聚類方法需要事先指定聚類個(gè)數(shù)的問(wèn)題，具有計(jì)算精度高、計(jì)算速度快的特點(diǎn)，可實(shí)現(xiàn)天線傳動(dòng)系統(tǒng)性能退化狀態(tài)的有效評(píng)估。

為達(dá)到以上目的，本發(fā)明采取如下技術(shù)方案予以實(shí)現(xiàn)：

一種多源無(wú)標(biāo)簽數(shù)據(jù)學(xué)習(xí)建模的傳動(dòng)系統(tǒng)性能退化評(píng)估方法，該方法包括以下步驟：

步驟1：對(duì)天線傳動(dòng)系統(tǒng)在不同轉(zhuǎn)速、不同采樣頻率下的異構(gòu)測(cè)試信號(hào)通過(guò)動(dòng)態(tài)時(shí)間規(guī)整轉(zhuǎn)化為同構(gòu)數(shù)據(jù)；其中異構(gòu)測(cè)試信號(hào)包括振動(dòng)、電流、溫度和轉(zhuǎn)角測(cè)試信號(hào)；

步驟2：利用稀疏約束下的受限玻爾茲曼機(jī)模型建立復(fù)雜環(huán)境條件下多源無(wú)標(biāo)簽同構(gòu)測(cè)試信號(hào)與系統(tǒng)退化特征之間的映射關(guān)系；

步驟3：根據(jù)encoder-decoder嵌套結(jié)構(gòu)，利用稀疏受限玻爾茲曼機(jī)建立系統(tǒng)退化特征提取的6層堆疊式深度置信網(wǎng)絡(luò)拓?fù)淠Ｐ停?/p>

步驟4：采用隨機(jī)梯度下降方法和多源信號(hào)進(jìn)行深度置信網(wǎng)絡(luò)拓?fù)淠Ｐ蛥?shù)的自適應(yīng)學(xué)習(xí)，通過(guò)對(duì)多源無(wú)標(biāo)簽同構(gòu)測(cè)試信號(hào)的編解碼重建實(shí)現(xiàn)系統(tǒng)退化隱含特征的非監(jiān)督提取；

步驟5：根據(jù)步驟4提取的系統(tǒng)退化隱含特征，計(jì)算出高維空間下的連續(xù)退化特征局部密度值，并確定無(wú)標(biāo)簽條件下系統(tǒng)性能狀態(tài)的聚類個(gè)數(shù)；

步驟6：根據(jù)步驟5確定的系統(tǒng)性能狀態(tài)聚類個(gè)數(shù)，按照距離最大準(zhǔn)則進(jìn)一步計(jì)算出各個(gè)聚類中心的初始值；

步驟7：根據(jù)步驟6確定的系統(tǒng)性能狀態(tài)聚類個(gè)數(shù)和聚類中心初始值，利用動(dòng)態(tài)時(shí)間彎曲距離計(jì)算各個(gè)聚類中心的邊界，將類內(nèi)距離最小與類間距離最大作為優(yōu)化目標(biāo)，微調(diào)聚類中心與聚類邊界，完成退化特征向系統(tǒng)性能狀態(tài)的無(wú)標(biāo)簽映射。

步驟2中，所述的深度置信網(wǎng)絡(luò)拓?fù)淠Ｐ瓦x擇6個(gè)受限玻爾茲曼機(jī)單元按照堆疊式結(jié)構(gòu)進(jìn)行組合，每個(gè)受限玻爾茲曼機(jī)的輸出層按照如下式子進(jìn)行稀疏化約束：

其中φ為基函數(shù)向量，φ＝{φ1(x1,x2,x3,x4),φ2(x1,x2,x3,x4),...φn(x1,x2,x3,x4)}；x1、x2、x3、x4是振動(dòng)、電流、溫度和轉(zhuǎn)角測(cè)試數(shù)據(jù)；ai是基向量的系數(shù)，隨著不同的信號(hào)而變化。

步驟2中，所述的深度置信網(wǎng)絡(luò)拓?fù)淠Ｐ瓦x擇6個(gè)受限玻爾茲曼機(jī)單元按照堆疊式結(jié)構(gòu)進(jìn)行組合，其中第一個(gè)受限玻爾茲曼機(jī)模型輸入層為4個(gè)單元輸出層為10個(gè)單元，第二個(gè)模型的輸入為10個(gè)單元輸出為5個(gè)單元，第三個(gè)模型的輸入為5個(gè)單元輸出為1個(gè)單元。

步驟3中，建立的3個(gè)稀疏受限玻爾茲曼機(jī)按照順序堆疊的方式建立系統(tǒng)退化特征提取的encoder模型，利用上述3個(gè)稀疏受限玻爾茲曼機(jī)按照逆序堆疊的方式建立系統(tǒng)退化特征提取的decoder模型，組合而成的encoder-decoder深度置信網(wǎng)絡(luò)共5個(gè)隱含層，encoder模型和decoder模型共享一個(gè)隱含層，6個(gè)受限玻爾茲曼機(jī)的輸出層均滿足稀疏約束條件。

步驟4中，建立的5層深度置信網(wǎng)絡(luò)拓?fù)淠Ｐ凸?11個(gè)網(wǎng)絡(luò)參數(shù)的自適應(yīng)學(xué)習(xí)，采用“4-10-5-1-5-10-4”網(wǎng)絡(luò)對(duì)振動(dòng)、電流、溫度、轉(zhuǎn)角等4個(gè)測(cè)試信號(hào)無(wú)標(biāo)簽同構(gòu)測(cè)試信號(hào)進(jìn)行編解碼重建，從而實(shí)現(xiàn)系統(tǒng)退化隱含特征的非監(jiān)督提取。

步驟5中，計(jì)算出的高維空間下的連續(xù)退化特征局部密度值，并確定無(wú)標(biāo)簽條件下系統(tǒng)性能狀態(tài)的聚類個(gè)數(shù)為8。

步驟7中，類內(nèi)距離最小與類間距離最大按照下式計(jì)算：

其中，xi、yi為連續(xù)退化特征上任意一點(diǎn)的坐標(biāo)數(shù)據(jù)，σi為數(shù)據(jù)的標(biāo)準(zhǔn)差，p為數(shù)據(jù)點(diǎn)的個(gè)數(shù)。

本發(fā)明與現(xiàn)有獲取超聲導(dǎo)波頻散曲線方法相比，具有以下優(yōu)點(diǎn)：

本發(fā)明由于對(duì)單個(gè)受限玻爾茲曼機(jī)輸出層施加了稀疏約束，相比較于傳統(tǒng)特征提取方法，本方法特征提取精度更高，計(jì)算速度更快；由于采用4個(gè)測(cè)試信號(hào)進(jìn)行信息融合，采用6個(gè)稀疏受限玻爾茲曼機(jī)進(jìn)行堆疊，與傳統(tǒng)深度置信網(wǎng)絡(luò)相比網(wǎng)絡(luò)參數(shù)求解精度高，尤其在多層網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)下更高；由于采用局部密度、距離最大準(zhǔn)則和動(dòng)態(tài)時(shí)間彎曲距離，本方法可自動(dòng)確定聚類個(gè)數(shù)、聚類中心、聚類邊界，克服了傳統(tǒng)方法聚類中心需要事先指定的問(wèn)題。該方法利用多層堆疊式稀疏受限玻爾茲曼機(jī)和數(shù)據(jù)密度峰值聚類進(jìn)行數(shù)據(jù)深度學(xué)習(xí)建模，可得到多源異構(gòu)監(jiān)測(cè)數(shù)據(jù)下的設(shè)備性能退化狀態(tài)，既克服了退化特征提取對(duì)先驗(yàn)知識(shí)的依賴，又解決了傳統(tǒng)無(wú)標(biāo)簽聚類方法(如k均值)需要事先指定聚類個(gè)數(shù)的問(wèn)題，具有特征提取精度高、狀態(tài)評(píng)估簡(jiǎn)單有效等特點(diǎn)，為研究機(jī)械設(shè)備健康評(píng)估中性能退化狀態(tài)的獲取提供一種可行的方法。

附圖說(shuō)明

圖1為多源無(wú)標(biāo)簽數(shù)據(jù)深度學(xué)習(xí)建模的天線傳動(dòng)系統(tǒng)性能退化評(píng)估方法流程圖；

具體實(shí)施方式

為了詳細(xì)說(shuō)明本發(fā)明的具體實(shí)施，以4個(gè)信號(hào)源(振動(dòng)、電流、溫度、轉(zhuǎn)角)、3種采樣頻率(5khz、10khz、20khz)、無(wú)標(biāo)退化狀態(tài)簽條件下的船載天線傳動(dòng)系統(tǒng)性能退化狀態(tài)評(píng)估為例進(jìn)行說(shuō)明。結(jié)合附圖及實(shí)例是對(duì)本發(fā)明的解釋，并不限制本發(fā)明的權(quán)利保護(hù)范圍，如圖1所示，具體步驟如下：

1)分別對(duì)天線傳動(dòng)系統(tǒng)振動(dòng)、電流、溫度、轉(zhuǎn)角4個(gè)測(cè)試信號(hào)，采用動(dòng)態(tài)時(shí)間規(guī)整方法，將5khz、10khz、20khz三種頻率下的異構(gòu)信號(hào)轉(zhuǎn)化為5khz條件下的振動(dòng)、電流、溫度、轉(zhuǎn)角同構(gòu)化數(shù)據(jù)；

2)利用稀疏約束下的受限玻爾茲曼機(jī)模型建立復(fù)雜環(huán)境條件下4源無(wú)標(biāo)簽同構(gòu)數(shù)據(jù)與系統(tǒng)退化特征之間的映射關(guān)系，其中第一個(gè)受限玻爾茲曼機(jī)模型輸入層為4個(gè)單元輸出層為10個(gè)單元，第二個(gè)模型的輸入為10個(gè)單元輸出為5個(gè)單元，第三個(gè)模型的輸入為5個(gè)單元輸出為1個(gè)單元；受限玻爾茲曼機(jī)模型的輸出層稀疏約束滿足下式：

式中φ為基函數(shù)向量，φ＝{φ1(x1,x2,x3,x4),φ2(x1,x2,x3,x4),...φn(x1,x2,x3,x4)}；x1、x2、x3、x4是振動(dòng)、電流、溫度和轉(zhuǎn)角測(cè)試數(shù)據(jù)；ai是基向量的系數(shù)。

3)根據(jù)encoder-decoder嵌套結(jié)構(gòu)，利用2)中建立的3個(gè)稀疏受限玻爾茲曼機(jī)按照順序堆疊的方式建立系統(tǒng)退化特征提取的encoder模型，利用上述3個(gè)稀疏受限玻爾茲曼機(jī)按照逆序堆疊的方式建立系統(tǒng)退化特征提取的decoder模型，組合而成的encoder-decoder深度置信網(wǎng)絡(luò)共5個(gè)隱含層，encoder模型和decoder模型共享一個(gè)隱含層。

4)采用隨機(jī)梯度下降方法和上述5khz條件下的振動(dòng)、電流、溫度、轉(zhuǎn)角同構(gòu)化數(shù)據(jù)進(jìn)行5層深度置信網(wǎng)絡(luò)拓?fù)淠Ｐ凸?11個(gè)網(wǎng)絡(luò)參數(shù)的自適應(yīng)學(xué)習(xí)，采用建立的“4-10-5-1-5-10-4”網(wǎng)絡(luò)對(duì)4源無(wú)標(biāo)簽同構(gòu)測(cè)試信號(hào)進(jìn)行編解碼重建，從而實(shí)現(xiàn)系統(tǒng)退化隱含特征的非監(jiān)督提??；

5)根據(jù)步驟4提取的系統(tǒng)退化隱含特征，計(jì)算出高維空間下的連續(xù)退化特征局部密度值，并確定無(wú)標(biāo)簽條件下系統(tǒng)性能狀態(tài)的聚類個(gè)數(shù)為8；

6)根據(jù)步驟5確定的系統(tǒng)性能狀態(tài)聚類個(gè)數(shù)8，按照距離最大準(zhǔn)則進(jìn)一步計(jì)算出上述8個(gè)聚類中心的初始值；

7)根據(jù)步驟6確定的8個(gè)系統(tǒng)性能狀態(tài)聚類個(gè)數(shù)和8個(gè)聚類中心初始值，利用動(dòng)態(tài)時(shí)間彎曲距離計(jì)算各個(gè)聚類中心的邊界，按照下式將類內(nèi)距離最小與類間距離最大作為優(yōu)化目標(biāo)，并微調(diào)上述8個(gè)聚類中心初值與聚類邊界，完成退化特征向系統(tǒng)性能狀態(tài)的無(wú)標(biāo)簽映射。

以上所述的具體實(shí)施例，對(duì)本發(fā)明的目的、技術(shù)方案和有益效果進(jìn)行了進(jìn)一步詳細(xì)說(shuō)明。所應(yīng)理解的是，以上所述僅為本發(fā)明的具體實(shí)施例而已，并不用于限制本發(fā)明，凡在本發(fā)明的精神和原則之內(nèi)，所做的任何修改、等同替換、改進(jìn)等，均應(yīng)包含在本發(fā)明的保護(hù)范圍之內(nèi)。