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

背景技術(shù)：

近十年來機械設(shè)備健康評估技術(shù)成為長壽命、高可靠機械設(shè)備運營管理的關(guān)鍵技術(shù)，相比較于傳統(tǒng)的設(shè)備運營管理技術(shù)，健康評估具有可發(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)，可大幅度降低運營管理費用等優(yōu)點。而性能退化評估是進(jìn)行機械設(shè)備健康評估的重要前提，因此關(guān)于性能退化評估的研究是機械設(shè)備健康評估領(lǐng)域的一個關(guān)鍵課題。

當(dāng)前性能退化評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)測數(shù)據(jù)的無監(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，依賴于先驗知識構(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，對于實際中缺乏早期退化知識和退化狀態(tài)標(biāo)簽的機械設(shè)備難以湊效?；诒O(jiān)測數(shù)據(jù)的無監(jiān)督聚類方法，由于降低了對退化先驗知識和退化狀態(tài)標(biāo)簽的依賴，在實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數(shù)，而聚類個數(shù)直接決定退化狀態(tài)個數(shù)，聚類個數(shù)的先驗確定加劇了性能退化狀態(tài)評估結(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，在無標(biāo)簽條件下確定合理的確定聚類個數(shù)并進(jìn)行聚類是一個有待解決的問題。

技術(shù)實現(xiàn)要素：

針對現(xiàn)有技術(shù)中存在的問題，本發(fā)明提供一種多源無標(biāo)簽數(shù)據(jù)學(xué)習(xí)建模的傳動系統(tǒng)性能退化評估方法。該方法既克服了退化特征提取對先驗知識的依賴，又解決了傳統(tǒng)無標(biāo)簽聚類方法需要事先指定聚類個數(shù)的問題，具有計算精度高、計算速度快的特點，可實現(xiàn)天線傳動系統(tǒng)性能退化狀態(tài)的有效評估。

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

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

步驟1：對天線傳動系統(tǒng)在不同轉(zhuǎn)速、不同采樣頻率下的異構(gòu)測試信號通過動態(tài)時間規(guī)整轉(zhuǎn)化為同構(gòu)數(shù)據(jù)；其中異構(gòu)測試信號包括振動、電流、溫度和轉(zhuǎn)角測試信號；

步驟2：利用稀疏約束下的受限玻爾茲曼機模型建立復(fù)雜環(huán)境條件下多源無標(biāo)簽同構(gòu)測試信號與系統(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：采用隨機梯度下降方法和多源信號進(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)，通過對多源無標(biāo)簽同構(gòu)測試信號的編解碼重建實現(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，計算出高維空間下的連續(xù)退化特征局部密度值，并確定無標(biāo)簽條件下系統(tǒng)性能狀態(tài)的聚類個數(shù)；

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

步驟7：根據(jù)步驟6確定的系統(tǒng)性能狀態(tài)聚類個數(shù)和聚類中心初始值，利用動態(tài)時間彎曲距離計算各個聚類中心的邊界，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個受限玻爾茲曼機單元按照堆疊式結(jié)構(gòu)進(jìn)行組合，每個受限玻爾茲曼機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、電流、溫度和轉(zhuǎn)角測試數(shù)據(jù)；ai是基向量的系數(shù)，隨著不同的信號而變化。

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

步驟3中，建立的3個稀疏受限玻爾茲曼機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個稀疏受限玻爾茲曼機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個隱含層，encoder模型和decoder模型共享一個隱含層，6個受限玻爾茲曼機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)對振動、電流、溫度、轉(zhuǎn)角等4個測試信號無標(biāo)簽同構(gòu)測試信號進(jìn)行編解碼重建，從而實現(xiàn)系統(tǒng)退化隱含特征的非監(jiān)督提取。

步驟5中，計算出的高維空間下的連續(xù)退化特征局部密度值，并確定無標(biāo)簽條件下系統(tǒng)性能狀態(tài)的聚類個數(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算：

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

本發(fā)明由于對單個受限玻爾茲曼機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，計算速度更快；由于采用4個測試信號進(jìn)行信息融合，采用6個稀疏受限玻爾茲曼機進(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)則和動態(tài)時間彎曲距離，本方法可自動確定聚類個數(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題。該方法利用多層堆疊式稀疏受限玻爾茲曼機和數(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先驗知識的依賴，又解決了傳統(tǒng)無標(biāo)簽聚類方法(如k均值)需要事先指定聚類個數(shù)的問題，具有特征提取精度高、狀態(tài)評估簡單有效等特點，為研究機械設(shè)備健康評估中性能退化狀態(tài)的獲取提供一種可行的方法。

附圖說明

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

具體實施方式

為了詳細(xì)說明本發(fā)明的具體實施，以4個信號源(振動、電流、溫度、轉(zhuǎn)角)、3種采樣頻率(5khz、10khz、20khz)、無標(biāo)退化狀態(tài)簽條件下的船載天線傳動系統(tǒng)性能退化狀態(tài)評估為例進(jìn)行說明。結(jié)合附圖及實例是對本發(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)分別對天線傳動系統(tǒng)振動、電流、溫度、轉(zhuǎn)角4個測試信號，采用動態(tài)時間規(guī)整方法，將5khz、10khz、20khz三種頻率下的異構(gòu)信號轉(zhuǎn)化為5khz條件下的振動、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模型建立復(fù)雜環(huán)境條件下4源無標(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，其中第一個受限玻爾茲曼機模型輸入層為4個單元輸出層為10個單元，第二個模型的輸入為10個單元輸出為5個單元，第三個模型的輸入為5個單元輸出為1個單元；受限玻爾茲曼機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、電流、溫度和轉(zhuǎn)角測試數(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個稀疏受限玻爾茲曼機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個稀疏受限玻爾茲曼機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個隱含層，encoder模型和decoder模型共享一個隱含層。

4)采用隨機梯度下降方法和上述5khz條件下的振動、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4源無標(biāo)簽同構(gòu)測試信號進(jìn)行編解碼重建，從而實現(xiàn)系統(tǒng)退化隱含特征的非監(jiān)督提取；

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

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

7)根據(jù)步驟6確定的8個系統(tǒng)性能狀態(tài)聚類個數(shù)和8個聚類中心初始值，利用動態(tài)時間彎曲距離計算各個聚類中心的邊界，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)的無標(biāo)簽映射。

以上所述的具體實施例，對本發(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)說明。所應(yīng)理解的是，以上所述僅為本發(fā)明的具體實施例而已，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)。