[发明专利]一种基于振动机理与深度学习技术的整周期无键相监测方法

权利要求书

1.一种基于振动机理与深度学习技术的整周期无键相监测方法，其特征在于：该方法基于一种同步压缩广义S变换时频方法和深度卷积神经网络图像识别，输出结果即为整周期信号，包括瞬时冲击特征提取模块IS、整周期预估模块CE、图像识别模块IR及整周期精准模块CR；所述瞬时冲击特征提取模块IS模块输入是缸盖振动信号，整周期预估模块CE输入是齿轮箱振动信号，图像识别模块IR是深度卷积神经网络模型，该模型包含4个1维卷积层和2个全连接层，具体步骤如下：

1)瞬时冲击特征提取模块IS：以滑动步长d₁，窗口长度W，将原始缸盖振动信号c进行分段，分段信号记为c(i)，i表示第i段信号，计算各段噪声水平阈值Ne¹和瞬时冲击阈值Ne²，满足Ne²≤c(i)条件的振动信号即为瞬时冲击发生位置，提取的瞬时冲击特征信号记为Al，公式如下：

Al_q＝max{x_q(1),x_q(2),...,x_q(J)}

其中,和Al_q分别为第q个分段信号噪声水平阈值、瞬时冲击阈值和瞬时冲击特征提取信号；λ为瞬时冲击伸缩因子，β为噪声伸缩因子，λ取值范围为[2,3]，β取值范围为[0.5,1.5]；Dl为分段信号c(i)长度，Yl为原始信号c长度,x_q(J)表示第q个分段信号第J个数据点大小，J＝1,2,…,Dl；

2)整周期预估模块CE：采集齿轮箱振动信号x(e)，将其输入整周期预估模块CE，然后使用同步压缩广义S变换方法获得振动信号时频分布GST_x(e,f)，得到瞬时频率估计算子结合已知采样频率F_s估计整周期长度：

其中，g(t-τ)为时延τ个单位的高斯窗函数，e和f分别表示时延单位和频延单位，标准差σ＝1/|f|^m,m为标准差调节因子，j表示虚部单位，取值范围(0,1]，N为整周期预估长度；

3)图像识别模块IR：利用瞬时冲击特征提取模块IS对有键相采集整周期缸盖振动信号进行处理并生成H₁×H₂图像，组建整周期振动信号图像库M；将M中的图像随机均等划分为两组图像集，分别记为M₁和M₂；构建深度卷积神经网络模型，用于整周期图像识别，网络包括输入层I、卷积层C1、卷积层C2、卷积层C3、卷积层C4、全连接层F1、全连接层F2和输出层O。选择softmax激活函数，将softmax输出的最大值记为相似值R；以M₁为训练集，输入深度卷积神经网络进行训练，得到训练好的深度卷积神经网络模型；将图像集M₂输入至训练好的模型，得到每张图像对应的相似值R，由此获得整周期图像相似值范围[R_min，R_max]；

4)整周期精准模块CR:用于确定截取窗口大小和起始相位位置，精准计算整周期长度和信号重采样起始位置，具体步骤为：

①将无键相采集采样点数为L的缸盖振动信号c(L)利用瞬时冲击特征提取模块IS进行瞬时冲击特征提取，处理后生成大小为l_w×l_h的图像Y，根据步骤2)得到的整周期预估长度N，计算变长度组合窗口中各窗口的长度w(k)，k表示第k个长度窗口，公式如下：

w(k)＝[10(k-1)-100]×Nlog N

②利用各窗口以滑动步长d₂在图像Y上移动，得到每个窗口对应的截取图像集，每一个窗口的滑动步长d₂等于该窗口的长度；分别将各窗口得到的截取子图像集输入至步骤3)中训练好的深度卷积神经网络，得到各子图像对应的相似值，进而计算各滑动窗口对应的相似值，取相似值最大的窗口长度作为精准整周期长度N'，各滑动窗口对应的相似值计算公式如下：

U_k＝l_w/w(k)

式中U_k表示第k个滑动窗口截取的子图像数量，R_k表示第k个滑动窗口截取的子图像平均相似值，表示第k个滑动窗口截取的第g张子图像输入至深度卷积神经网络得到的相似值；

③根据步骤2)得到的整周期预估长度N，将其转换图像像素长度，并按照子图像长度为P_Y，步长d₃＝P_Y遍历图像Y进行预截取，截取子图像依次记为P_Y1，P_Y2，P_Y3，…，P_Yα，α表示第α张子图像，图像像素长度转换公式如下：

D_Y＝δ×N

式中，D_Y为预截取的数据点长度，δ为预截取长度因子，P_Y为在图像Y上的截取长度，α表示第α张子图像；

④取步骤②中得到的精准整周期长度为N'的滑动窗口，以滑动步长d₄遍历图像P_Yα，生成子图像集，其中d₄N’，将子图像集中的各图像输入至步骤3)中得到的深度卷积神经网络模型，获得各子图像相应的相似值，记为s_p；得到s_p值最大的子图像，记为Img_max；同时以图像Img_max的区域[1,N'/16]∈PY作为是否存在冲击特征的判断依据，计算Img_max在[1,N'/16]的区域像素均值avg_pixel_tar，在整周期模板图像上选择与之对应的区域[1,H₁/16]∈H₁，计算整周期模板图像区域[1,H₁/16]的区域像素均值avg_pixel_sou，若avg_pixel_tar≤avg_pixel_sou，则移动距离D即为Img_max图像的起始相位位置；若avg_pixel_tar＞avg_pixel_sou，则说明P_Yα中不含与整周期模板图像相似的图像，即不含标准整周期图像；区域像素均值及起始相位公式如下：

D＝pd₄

式中，avg_pixel_tar，avg_pixel_sou表示区域像素均值，下标tar和sou分别代表步骤③得到的相似度最大位置的子图像和整周期模板图像，表示在图像(px,py)处的像素值，以p表示窗口在相应子图像上的第p次移动；

5)以步骤②得到的整周期精准长度N’和周期起始位置D进行截取，得到整周期图像，将整周期图像像素长度转换成数据长度即可获得单个整周期信号，精准整周期长度N'和起始相位位置D换算公式如下：

式中，TN和TD分别表示为数据形式的整周期长度和起始相位位置，L为原始信号c(L)的数据点数，l_w表示长度缸盖振动信号c(L)生成图像Y的宽度。