[发明专利]基于大数据的海上风机状态监测方法及其系统

权利要求书

1.一种基于大数据的海上风机状态监测方法，其特征在于，包括：

获取由部署于发动机的第一振动传感器采集的第一振动信号、由部署于齿轮箱的第二振动传感器采集的第二振动信号以及由部署于主轴承的第三振动传感器采集的第三振动信号；

分别使用格拉姆角场原理将所述第一至第三振动信号转化为第一至第三振动格拉姆角和场图像；

分别将所述第一至第三振动格拉姆角和场图像中各个振动格拉姆角和场图像通过作为过滤器的第一卷积神经网络以得到第一至第三振动格拉姆角和场图像特征向量；

分别将所述第一至第三振动信号中各个振动信号通过作为过滤器的第二卷积神经网络以得到第一至第三振动波形特征向量；

分别融合所述第一至第三振动格拉姆角和场图像特征向量和所述第一至第三振动波形特征向量中各对相应的振动格拉姆角和场图像特征向量和振动波形特征向量以得到第一至第三振动特征向量；

计算所述第二振动特征向量相对于所述第一振动特征向量的第一转移矩阵且计算所述第三振动特征向量相对于所述第二振动特征向量的第二转移矩阵；

融合所述第一转移矩阵和所述第二转移矩阵以得到分类特征矩阵；以及

将所述分类特征矩阵通过分类器以得到分类结果，所述分类结果用于表示海上风机状态是否正常。

2.根据权利要求1所述的基于大数据的海上风机状态监测方法，其特征在于，所述分别将所述第一至第三振动格拉姆角和场图像中各个振动格拉姆角和场图像通过作为过滤器的第一卷积神经网络以得到第一至第三振动格拉姆角和场图像特征向量，包括：所述第一卷积神经网络的各层在层的正向传递中对输入数据分别进行：

对输入数据进行卷积处理以得到卷积特征图；

对所述卷积特征图进行基于局部特征矩阵的均值池化以得到池化特征图；以及

对所述池化特征图进行非线性激活以得到激活特征图；

其中，所述第一卷积神经网络的最后一层的输出为所述第一至第三振动格拉姆角和场图像特征向量，所述第一卷积神经网络的第一层的输入为所述第一至第三振动格拉姆角和场图像中各个振动格拉姆角和场图像。

3.根据权利要求2所述的基于大数据的海上风机状态监测方法，其特征在于，所述分别将所述第一至第三振动信号中各个振动信号通过作为过滤器的第二卷积神经网络以得到第一至第三振动波形特征向量，包括：

使用所述第二卷积神经网络的各层在层的正向传递中对输入数据进行卷积处理、沿局部特征矩阵的均值池化处理和激活处理以由所述第二卷积神经网络的最后一层生成所述第一至第三振动波形特征向量，其中，所述第二卷积神经网络的第一层的输入为所述第一至第三振动信号中各个振动信号。

4.根据权利要求3所述的基于大数据的海上风机状态监测方法，其特征在于，分别融合所述第一至第三振动格拉姆角和场图像特征向量和所述第一至第三振动波形特征向量中各对相应的振动格拉姆角和场图像特征向量和振动波形特征向量以得到第一至第三振动特征向量，包括：

计算所述第一振动格拉姆角和场图像特征向量和所述第一振动波形特征向量的按位置加权和以得到所述第一振动特征向量；

计算所述第二振动格拉姆角和场图像特征向量和所述第二振动波形特征向量的按位置加权和以得到所述第二振动特征向量；以及

计算所述第三振动格拉姆角和场图像特征向量和所述第三振动波形特征向量的按位置加权和以得到所述第三振动特征向量。