[发明专利]往复压缩机故障诊断优化方法及装置

权利要求书

1.一种往复压缩机故障诊断优化方法，其特征在于，包括：

确定待训练的故障诊断优化模型中参数的最优值；

根据待训练的故障诊断优化模型中参数的最优值，训练故障诊断优化模型，获得训练后的故障诊断优化模型；

在选取往复压缩机的振动信号后，将往复压缩机的振动信号输入至训练后的故障诊断优化模型，获得往复压缩机的故障诊断结果。

2.如权利要求1所述的往复压缩机故障诊断优化方法，其特征在于，确定待训练的故障诊断优化模型中参数的最优值，包括：

获得待训练的故障诊断优化模型中参数的取值范围；

根据待训练的故障诊断优化模型中参数的取值范围，采用遗传算法确定待训练的故障诊断优化模型中参数的最优值。

3.如权利要求2所述的往复压缩机故障诊断优化方法，其特征在于，根据待训练的故障诊断优化模型中参数的取值范围，采用遗传算法确定待训练的故障诊断优化模型中参数的最优值，包括：

确定遗传算法的运行参数和适应度函数；

对待训练的故障诊断优化模型中参数的取值范围进行编码，产生初始种群；

根据遗传算法的运行参数对初始种群，循环执行以下步骤，直至循环次数达到设定遗传代数，输出最新的种群数：对初始种群进行选择、交叉和变异操作，获得满足适应度函数的新种群；将新种群替换初始种群；

对最新的种群进行解码，获得待训练的故障诊断优化模型中参数的最优值。

4.如权利要求1所述的往复压缩机故障诊断优化方法，其特征在于，根据待训练的故障诊断优化模型中参数的最优值，训练故障诊断优化模型，获得训练后的故障诊断优化模型，包括：

获取往复压缩机的历史振动信号；

将往复压缩机的历史振动信号分成训练数据集和测试数据集；

提取训练数据集的特征向量；

根据待训练的故障诊断优化模型中参数的最优值，利用训练数据集的特征向量训练故障诊断优化模型，获得训练后的故障诊断优化模型。

5.如权利要求4所述的往复压缩机故障诊断优化方法，其特征在于，在根据待训练的故障诊断优化模型中参数的最优值，训练故障诊断优化模型，获得训练后的故障诊断优化模型之后，还包括：

利用测试数据集对训练后的故障诊断优化模型的准确率进行验证，获得满足预设准确率的故障诊断优化模型；

在选取往复压缩机的振动信号后，将往复压缩机的振动信号输入至训练后的故障诊断优化模型，获得往复压缩机的故障诊断结果，包括：

在选取往复压缩机的振动信号后，将往复压缩机的振动信号输入至满足预设准确率的故障诊断优化模型，获得往复压缩机的故障诊断结果。

6.如权利要求1所述的往复压缩机故障诊断优化方法，其特征在于，故障诊断优化模型采用堆栈降噪自编码神经网络模型。

7.如权利要求5所述的往复压缩机故障诊断优化方法，其特征在于，在将往复压缩机的振动信号输入至训练后的故障诊断优化模型，获得往复压缩机的故障诊断结果之前，还包括：

对选取的往复压缩机的振动信号进行预处理；

将往复压缩机的振动信号输入至满足预设准确率的故障诊断优化模型，获得往复压缩机的故障诊断结果，包括：

将预处理后的往复压缩机的振动信号输入至满足预设准确率的故障诊断优化模型，获得往复压缩机的故障诊断结果。

8.一种往复压缩机故障诊断优化装置，其特征在于，包括：

模型参数确定模块，用于确定待训练的故障诊断优化模型中参数的最优值；

训练模块，用于根据待训练的故障诊断优化模型中参数的最优值，训练故障诊断优化模型，获得训练后的故障诊断优化模型；

诊断模块，用于在选取往复压缩机的振动信号后，将往复压缩机的振动信号输入至训练后的故障诊断优化模型，获得往复压缩机的故障诊断结果。

9.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7任一所述方法。

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有执行权利要求1至7任一所述方法的计算机程序。