[发明专利]一种软故障识别模型训练和软故障识别方法、装置

权利要求书

1.一种软故障识别模型训练方法，其特征在于，所述方法包括：

获取多个正常样本信号的数字谱、以及多个带标签的软故障样本信号的数字谱；

基于各正常样本信号的数字谱，计算得到所述各正常样本信号的残差谱；

基于所述各正常样本信号的残差谱，训练自动编码器；

基于所述各正常样本信号的数字谱及各软故障样本信号的数字谱，计算得到各软故障样本信号的残差谱；

基于所述各软故障样本信号的残差谱、所述各软故障样本信号的标签、以及完成训练的所述自动编码器，训练支持向量机；

确定由完成训练的所述自动编码器和完成训练的所述支持向量机组成的软故障识别模型；

其中，所述基于所述各正常样本信号的残差谱，训练自动编码器的步骤，包括：

初始化预设的第一网络模型，所述第一网络模型中包括编码器和解码器；

将正常样本信号的残差谱输入所述编码器，得到该正常样本信号的残差谱特征；

将该正常样本信号的残差谱特征输入所述解码器，得到根据该正常样本信号的残差谱特征重构的第一残差谱；

根据该第一残差谱与该正常样本信号的残差谱，利用预设的损失函数计算得到损失函数值；

若未达到结束条件，则基于所述损失函数值调整所述第一网络模型的参数，并返回执行所述将正常样本信号的残差谱输入所述编码器，得到该正常样本信号的残差谱特征的步骤，直至达到所述结束条件时，停止训练，得到完成训练的自动编码器。

2.根据权利要求1所述的方法，其特征在于，所述获取多个正常样本信号的数字谱、以及多个带标签的软故障样本信号的数字谱的步骤，包括：

获取多个正常样本信号和多个带标签的软故障样本信号；

将各正常样本信号和各软故障样本信号输入相干接收机，经所述相干接收机对所述各正常样本信号和所述各软故障样本信号进行频域色散补偿，得到所述各正常样本信号的数字谱和各软故障样本信号的数字谱。

3.根据权利要求1所述的方法，其特征在于，所述基于各正常样本信号的数字谱，计算得到所述各正常样本信号的残差谱的步骤，包括：

根据各正常样本信号的数字谱，计算标准谱；

根据所述标准谱及所述各正常样本信号的数字谱，计算所述各正常样本信号的残差谱；

所述基于所述各正常样本信号的数字谱及各软故障样本信号的数字谱，计算得到各软故障样本信号的残差谱的步骤，包括：

根据所述标准谱及所述各软故障样本信号的数字谱，计算所述各软故障样本信号的残差谱。

4.根据权利要求3所述的方法，其特征在于，所述根据各正常样本信号的数字谱，计算标准谱的步骤，包括：

计算各正常样本的数字谱的平均值，作为标准谱。

5.根据权利要求1所述的方法，其特征在于，所述基于所述各软故障样本信号的残差谱及所述各软故障样本信号的标签、以及完成训练的所述自动编码器，训练支持向量机的步骤，包括：

初始化预设的第二网络模型；

将软故障样本信号的残差谱输入完成训练的所述自动编码器，得到该软故障样本信号的残差谱特征；

将该软故障样本信号的残差谱特征输入所述第二网络模型，得到该软故障样本信号的预测故障类型信息；

比较该软故障样本信号的预测故障类型信息与该软故障样本信号的标签之间的差异；

若所述差异大于第二预设阈值，则基于所述差异调整所述第二网络模型的参数，并返回执行所述将软故障样本信号的残差谱输入完成训练的所述自动编码器，得到该软故障样本信号的残差谱特征的步骤，直至所述差异小于所述第二预设阈值或者达到第二指定迭代次数时，停止训练，得到完成训练的支持向量机。

6.一种软故障识别方法，其特征在于，所述方法包括：

获取标准谱及待识别信号的数字谱；

根据所述标准谱及所述待识别信号的数字谱，计算得到所述待识别信号的残差谱；

将所述待识别信号的残差谱输入如权利要求1-5任一项所述的方法训练得到的软故障识别模型，得到所述待识别信号的软故障识别结果。