本發(fā)明涉及人工智能領(lǐng)域，尤其涉及一種故障診斷模型的訓(xùn)練方法、診斷方法、系統(tǒng)及電子設(shè)備。

背景技術(shù)：

1、隨著人工智能技術(shù)的迅猛發(fā)展與不斷迭代，基于人工智能技術(shù)來(lái)診斷機(jī)設(shè)備故障已經(jīng)成了當(dāng)今熱門的研究方向之一。但是，由于設(shè)備的運(yùn)行數(shù)據(jù)的復(fù)雜性，目前的故障診斷模型難以有效地捕捉和提取關(guān)鍵特征，進(jìn)而導(dǎo)致故障診斷模型診斷的準(zhǔn)確率較差。因此，故障診斷模型仍需優(yōu)化。

技術(shù)實(shí)現(xiàn)思路

1、本公開要解決的技術(shù)問(wèn)題是為了克服現(xiàn)有技術(shù)中傳統(tǒng)的故障診斷模型的診斷的準(zhǔn)確率較差的缺陷，提供一種故障診斷模型的訓(xùn)練方法、診斷方法、系統(tǒng)及電子設(shè)備。

2、本公開是通過(guò)下述技術(shù)方案來(lái)解決上述技術(shù)問(wèn)題：

3、第一方面，提供了一種故障診斷模型的訓(xùn)練方法，所述訓(xùn)練方法包括：

4、獲取訓(xùn)練樣本，所述訓(xùn)練樣本包含不同頻域分辨率的設(shè)備運(yùn)行信號(hào)；其中，各個(gè)頻域分辨率的設(shè)備運(yùn)行信號(hào)標(biāo)注有故障標(biāo)注結(jié)果；

5、將訓(xùn)練樣本輸入所述故障診斷模型，以由所述故障診斷模型對(duì)各個(gè)頻域分辨率的設(shè)備運(yùn)行信號(hào)進(jìn)行特征提取，得到對(duì)應(yīng)于各個(gè)頻域分辨率的第一頻域特征，并根據(jù)所述第一頻域特征輸出故障預(yù)測(cè)結(jié)果；

6、分別計(jì)算各個(gè)頻域分辨率的設(shè)備運(yùn)行信號(hào)與其對(duì)應(yīng)的第一頻域特征之間的第一信息熵；

7、根據(jù)所述第一信息熵、所述故障標(biāo)注結(jié)果、所述故障預(yù)測(cè)結(jié)果構(gòu)建損失函數(shù)，并基于所述損失函數(shù)調(diào)整所述故障診斷模型的模型參數(shù)，直至滿足迭代停止條件。

8、可選地，所述獲取訓(xùn)練樣本步驟包括：

9、獲取設(shè)備的運(yùn)行數(shù)據(jù)；

10、基于小波基函數(shù)和/或尺度函數(shù)對(duì)所述運(yùn)行數(shù)據(jù)進(jìn)行多分辨率分析以得到所述不同頻域分辨率的設(shè)備運(yùn)行信號(hào)；

11、根據(jù)所述不同頻域分辨率的設(shè)備運(yùn)行信號(hào)構(gòu)建所述訓(xùn)練樣本。

12、可選地，所述獲取訓(xùn)練樣本步驟包括：

13、所述基于小波基函數(shù)和/或尺度函數(shù)對(duì)所述運(yùn)行數(shù)據(jù)進(jìn)行多分辨率分析以得到所述不同頻域分辨率的設(shè)備運(yùn)行信號(hào)包括：

14、根據(jù)所述運(yùn)行數(shù)據(jù)和所述小波基函數(shù)計(jì)算得到第一頻域分辨率的第一小波系數(shù)；

15、根據(jù)所述第一小波系數(shù)和所述尺度函數(shù)計(jì)算得到所述第一頻域分辨率的設(shè)備運(yùn)行信號(hào)；

16、和/或；

17、根據(jù)所述運(yùn)行數(shù)據(jù)和所述尺度函數(shù)計(jì)算得到第二頻域分辨率的第二小波系數(shù)；

18、根據(jù)所述第二小波系數(shù)和所述尺度函數(shù)計(jì)算得到所述第二頻域分辨率的所述設(shè)備運(yùn)行信號(hào)；

19、其中，所述第一頻域分辨率的最小值大于等于所述第二頻域分辨率的最大值。

20、可選地，所述故障診斷模型包括特征提取層、第一歸一化層、激活層以及池化層；所述特征提取層包含多個(gè)不同的感受野；所述不同的感受野的卷積核大小不同；所述將訓(xùn)練樣本輸入所述故障診斷模型，以由所述故障診斷模型對(duì)各個(gè)頻域分辨率的設(shè)備運(yùn)行信號(hào)進(jìn)行特征提取，包括：

21、將所述訓(xùn)練樣本輸入至與所述訓(xùn)練樣本的頻域分辨率相匹配的感受野，以得到所述各個(gè)頻域分辨率的第二頻域特征；所述感受野的卷積核大小與所述訓(xùn)練樣本的頻域分辨率正相關(guān)；各個(gè)頻域分辨率的所述第二頻域特征的尺度差異大于各個(gè)頻域分辨率的所述第一頻域特征；

22、將所述第二頻域特征輸入至所述第一歸一化層以對(duì)所述第二頻域特征進(jìn)行歸一化處理得到第三頻域特征；

23、將所述第三頻域特征輸入至所述激活層以對(duì)所述第三頻域特征進(jìn)行非線性處理得到第四頻域特征；

24、將所述第四頻域特征輸入至池化層以對(duì)第四頻域特征降維處理以得到所述第一頻域特征。

25、可選地，所述故障診斷模型包括特征融合層、全連接層、第二歸一化層，所述根據(jù)所述第一頻域特征輸出故障預(yù)測(cè)結(jié)果，包括：

26、將各個(gè)所述第一頻域特征輸入至特征融合層進(jìn)行特征融合以得到融合特征向量；

27、將所述融合特征向量依次輸入至全連接層和第二歸一化層進(jìn)行處理，以得到所述故障預(yù)測(cè)結(jié)果；其中，所述全連接層和所述第二歸一化層分別對(duì)所述融合特征向量進(jìn)行降維和歸一化處理。

28、可選地，所述基于所述損失函數(shù)調(diào)整所述故障診斷模型的模型參數(shù)，直至滿足迭代停止條件包括：

29、根據(jù)所述損失函數(shù)和反向傳播算法對(duì)所述故障診斷模型的模型參數(shù)進(jìn)行調(diào)整，直至滿足迭代停止條件。

30、第二方面，一種故障診斷模型的診斷方法，所述診斷方法包括：

31、將待檢測(cè)設(shè)備不同頻域分辨率的設(shè)備運(yùn)行信號(hào)輸入至所述故障診斷模型，以得到所述待檢測(cè)設(shè)備的故障診斷結(jié)果；其中，所述故障診斷模型由上述中任一項(xiàng)所述的故障診斷模型的訓(xùn)練方法訓(xùn)練得到。

32、第三方面，一種故障診斷模型的訓(xùn)練系統(tǒng)，其特征在于，所述訓(xùn)練系統(tǒng)包括：

33、第一獲取模塊，用于獲取訓(xùn)練樣本，所述訓(xùn)練樣本包含不同頻域分辨率的設(shè)備運(yùn)行信號(hào)；其中，各個(gè)頻域分辨率的設(shè)備運(yùn)行信號(hào)標(biāo)注有故障標(biāo)注結(jié)果；

34、提取模塊，用于將訓(xùn)練樣本輸入所述故障診斷模型，以由所述故障診斷模型對(duì)各個(gè)頻域分辨率的設(shè)備運(yùn)行信號(hào)進(jìn)行特征提取，得到對(duì)應(yīng)于各個(gè)頻域分辨率的第一頻域特征，并根據(jù)所述第一頻域特征輸出故障預(yù)測(cè)結(jié)果；

35、計(jì)算模塊，用于分別計(jì)算各個(gè)頻域分辨率的設(shè)備運(yùn)行信號(hào)與其對(duì)應(yīng)的第一頻域特征之間的第一信息熵；

36、調(diào)整模塊，用于根據(jù)所述第一信息熵、所述故障標(biāo)注結(jié)果、所述故障預(yù)測(cè)結(jié)果構(gòu)建損失函數(shù)，并基于所述損失函數(shù)調(diào)整所述故障診斷模型的模型參數(shù)，直至滿足迭代停止條件。

37、可選地，所述第一獲取模塊包括：

38、第一獲取單元，用于獲取設(shè)備的運(yùn)行數(shù)據(jù)；

39、分析單元，用于基于小波基函數(shù)和/或尺度函數(shù)對(duì)所述運(yùn)行數(shù)據(jù)進(jìn)行多分辨率分析以得到所述不同頻域分辨率的設(shè)備運(yùn)行信號(hào)；

40、構(gòu)建單元，用于根據(jù)所述不同頻域分辨率的設(shè)備運(yùn)行信號(hào)構(gòu)建所述訓(xùn)練樣本。

41、可選地，所述分析單元包括：

42、第一計(jì)算組件，用于根據(jù)所述運(yùn)行數(shù)據(jù)和所述小波基函數(shù)計(jì)算得到第一頻域分辨率的第一小波系數(shù)；

43、第二計(jì)算組件，用于根據(jù)所述第一小波系數(shù)和所述尺度函數(shù)計(jì)算得到所述第一頻域分辨率的設(shè)備運(yùn)行信號(hào)；

44、和/或；

45、第三計(jì)算組件，用于根據(jù)所述運(yùn)行數(shù)據(jù)和所述尺度函數(shù)計(jì)算得到第二頻域分辨率的第二小波系數(shù)；

46、第四計(jì)算組件，用于根據(jù)所述第二小波系數(shù)和所述尺度函數(shù)計(jì)算得到所述第二頻域分辨率的所述設(shè)備運(yùn)行信號(hào)；

47、其中，所述第一頻域分辨率的最小值大于等于所述第二頻域分辨率的最大值。

48、可選地，所述故障診斷模型包括特征提取層、第一歸一化層、激活層以及池化層；所述特征提取層包含多個(gè)不同的感受野；所述提取模塊，包括：

49、第一輸入單元，用于將所述訓(xùn)練樣本輸入至與所述訓(xùn)練樣本的頻域分辨率相匹配的感受野，以得到所述各個(gè)頻域分辨率的第二頻域特征；所述感受野的卷積核大小與所述訓(xùn)練樣本的頻域分辨率正相關(guān)；各個(gè)頻域分辨率的所述第二頻域特征的尺度差異大于各個(gè)頻域分辨率的所述第一頻域特征；

50、第二輸入單元，用于將所述第二頻域特征輸入至所述第一歸一化層以對(duì)所述第二頻域特征進(jìn)行歸一化處理得到第三頻域特征；

51、第三輸入單元，用于將所述第三頻域特征輸入至所述激活層以對(duì)所述第三頻域特征進(jìn)行非線性處理得到第四頻域特征；

52、第四輸入單元，用于將所述第四頻域特征輸入至池化層以對(duì)第四頻域特征降維處理以得到所述第一頻域特征。

53、可選地，所述提取模塊，還包括：

54、融合單元，用于將各個(gè)所述第一頻域特征輸入至特征融合層進(jìn)行特征融合以得到融合特征向量；

55、處理單元，用于將所述融合特征向量依次輸入至全連接層和第二歸一化層進(jìn)行處理，以得到所述故障預(yù)測(cè)結(jié)果；其中，所述全連接層和所述第二歸一化層分別對(duì)所述融合特征向量進(jìn)行降維和歸一化處理。

56、可選地，所述調(diào)整模塊包括：

57、調(diào)整單元，用于根據(jù)所述損失函數(shù)和反向傳播算法對(duì)所述故障診斷模型的模型參數(shù)進(jìn)行調(diào)整，直至滿足迭代停止條件。

58、第四方面，提供了一種故障診斷模型的診斷系統(tǒng)，所述故障診斷系統(tǒng)包括：

59、診斷模塊，用于將待檢測(cè)設(shè)備不同頻域分辨率的設(shè)備運(yùn)行信號(hào)輸入所述故障診斷模型，以得到所述待檢測(cè)設(shè)備的故障診斷結(jié)果；其中，所述故障診斷模型由上述中任一項(xiàng)所述的故障診斷模型的訓(xùn)練方法訓(xùn)練得到。

60、第五方面，提供了一種電子設(shè)備，包括存儲(chǔ)器、處理器及存儲(chǔ)在存儲(chǔ)器上并用于在處理器上運(yùn)行的計(jì)算機(jī)程序，其特征在于，所述處理器執(zhí)行所述計(jì)算機(jī)程序時(shí)實(shí)現(xiàn)上述中的故障診斷模型的訓(xùn)練方法或上述中的故障診斷模型的診斷方法。

61、在符合本領(lǐng)域常識(shí)的基礎(chǔ)上，上述各優(yōu)選條件，可任意組合，即得本公開各較佳實(shí)例。

62、本公開的積極進(jìn)步效果在于：通過(guò)分別計(jì)算各個(gè)頻域分辨率的設(shè)備運(yùn)行信號(hào)與其對(duì)應(yīng)的第一頻域特征得到的第一信息熵可以更好的衡量第一頻域特征與其對(duì)應(yīng)頻域分辨率的設(shè)備運(yùn)行信號(hào)的相關(guān)性，從而確保提取的第一頻域特征能夠最大程度地反映其對(duì)應(yīng)的頻域分辨率設(shè)備運(yùn)行信號(hào)的真實(shí)狀況。因此，根據(jù)第一信息熵、故障標(biāo)注結(jié)果以及故障預(yù)測(cè)結(jié)果構(gòu)建的損失函數(shù)更加準(zhǔn)確，進(jìn)而基于該損失函數(shù)調(diào)整的故障診斷模型識(shí)別準(zhǔn)確率和魯棒性更高。