[发明专利]机器状态监测方法、可读存储介质及电子设备

说明书

本发明实施例提供一种机器状态监测方法、可读存储介质及电子设备，机器状态监测方法包括：提取用于监测机器状态的传感器信号的时频域特征；将单个传感器信号及单个时频域特征输入神经网络进行目标变量分类，得到单个传感器信号、单个时频域特征的分类精度；将单个传感器信号的贡献度以及单个时频域特征的贡献度分别进行排序；选取所述贡献度大的前m1个传感器信号和前m2个时频域特征形成缩减输入数据集，其中m1、m2为正整数；将缩减输入数据集输入深度残差网络进行训练。本发明实施例可以解决机器状态监测中因为传感器采样率不一致、数据庞大和类型多样化而带来的状态监测精度低、监测成本高的问题。

技术领域

本发明涉及机器状态监测技术领域，尤其涉及一种相对贡献度特征选择和深度残差网络的机器状态监测方法、可读存储介质及电子设备。

背景技术

机器状态监测越来越被重视，它能够预测机器的健康状态，提高机器的可用性和过程的可靠性。智能制造下对机器设备运行过程的可靠性提出了很高的要求。为了提高机器的可用性，防止遇到故障时生产设备停机，系统全面瘫痪等问题，基于状态的维修策略被越来越重视。与预防性维护相比，它的成本更低。因此，对机器设备的状态监测是一项重要的内容。状态监测利用传感器和测量手段对设备的运行状态进行检测，判断其是否处于正常工作状态，是对设备进行故障诊断的基础工作。

目前机器状态监测存在几个方面的缺点：

1、随着机器设备的复杂化、智能化，状态监测采集到的数据也越来越多。即便是专业的技术人员也可能无法及时准确地去对机器故障作出反应。

2、随着传感器技术的发展，状态监测面临着数据类型越来越多样化，不止存在一维的时序数据，更存在如图像等其他类型的数据，与此同时，不同传感器采样率不一致也是实际机器状态监测应用中的挑战之一。

3、在工业4.0的发展下，传统工业受到智能化的冲击，设备监控模型与现实环境的交互越来越被重视，对生产系统和机器设备监测模型的设计要求也越来越高。

发明内容

为了解决上述技术问题中的至少一个，本发明实施例提供了一种机器状态监测方法、可读存储介质及电子设备，解决了机器状态监测中因为传感器采样率不一致、数据庞大和类型多样化而带来的状态监测精度低、监测成本高的问题。

一方面，本发明实施例提供一种机器状态监测方法，包括：

提取用于监测机器状态的传感器信号的时频域特征；

将单个传感器信号及单个时频域特征输入神经网络进行目标变量分类，得到单个传感器信号、单个时频域特征的分类精度；

将单个传感器信号的贡献度以及单个时频域特征的贡献度分别进行排序；

选取所述贡献度大的前m1个传感器信号和前m2个时频域特征形成缩减输入数据集，其中m1、m2为正整数；

将所述缩减输入数据集输入深度残差网络进行训练。

另一方面，本发明实施例还提供一种可读存储介质，其上具有可执行指令，当可执行指令被执行时，使得计算机执行前述任一项所述的机器状态监测方法中的步骤。

另一方面，本发明实施例还提供一种电子设备，所述设备包括处理器和存储器，所述存储器中存储有适于所述处理器执行的计算机程序指令，所述计算机程序指令被所述处理器运行时执行如上任一项所述的机器状态监测方法中的步骤。