[发明专利]一种基于数字孪生和迁移学习的气缸泄露故障诊断方法

权利要求书

1.一种基于数字孪生和迁移学习的气缸泄露故障诊断方法，其特征在于，包括以下步骤：

S1、基于虚拟仿真数据构建大型源域数据集，采用监督式深度神经网络训练方法，对模型进行充分预训练，预训练好的模型其各层参数获得了源域数据集的诊断知识；

S2、利用深度神经网络学习的特征在底层更通用，而在高层更加具体这一特点，通过固定预训练网络的底层参数，同时利用少量目标域训练样本对高层参数进行微调的方法，进行模型迁移，获得最终适用于目标域的诊断模型。

2.根据权利要求1所述的一种基于数字孪生和迁移学习的气缸泄露故障诊断方法，其特征在于，还包括建立活塞缸套系统高保真数字孪生模型，所述活塞缸套系统高保真数字孪生模型的数据采集通过柴油机活塞环、缸套磨损的故障模拟试验获得，所述活塞缸套系统高保真数字孪生模型的建立包括信号处理步骤、特征提取步骤、模式识别步骤。

3.根据权利要求2所述的一种基于数字孪生和迁移学习的气缸泄露故障诊断方法，其特征在于，所述柴油机活塞环、缸套磨损的故障模拟试验操作步骤如下：

S31、设置柴油机工况为经济转速，75％负载并在整机布置振动传感器和麦克风；

S32、分别采集正常状态、活塞环磨损以及缸套磨损状态下的整机振动噪声信号；

所述经济转速为1200r/min。

4.根据权利要求3所述的一种基于数字孪生和迁移学习的气缸泄露故障诊断方法，其特征在于，所述信号处理步骤包括：测量振动信号并进行模态分析，能较好地对柴油机配气机构进行故障诊断；所述特征提取步骤包括：对柴油机进行活塞磨损和缸套磨损等故障模拟试验研究，测量机身振动信号，提取故障特征参数，获取各振动特征参数与故障程度间的关系,从机身振动信号中提取振动加速度总振级和功率谱的高低频能量比,来诊断气缸与活塞故障。

5.根据权利要求4所述的一种基于数字孪生和迁移学习的气缸泄露故障诊断方法，其特征在于，所述活塞缸套系统高保真数字孪生模型的建立过程中的数据采集步骤如下：

S41、通过柴油机活塞环、缸套磨损的故障模拟试验获得多种活塞故障下的振动信号数据；

S42、将步骤S41中获得的振动信号数据带入数字孪生模型中，进行模型仿真并得出仿真结果，再将仿真结果与步骤S41中的活塞故障进行一致性检验，如果结果不一致，则进行模型修正，直到仿真结果与步骤S41中的活塞故障保持一致。

6.根据权利要求5所述的一种基于数字孪生和迁移学习的气缸泄露故障诊断方法，其特征在于，所述振动信号包括噪音特性和振动特性。

7.根据权利要求6所述的一种基于数字孪生和迁移学习的气缸泄露故障诊断方法，其特征在于，所述活塞缸套系统高保真数字孪生模型包括数据模型更新机制。