[发明专利]一种基于迁移学习的离心风机故障预警方法

权利要求书

1.一种基于迁移学习的离心风机故障预警方法，其特征在于包括以下步骤：

步骤1：制定一种迁移学习策略，将实验室训练的自编码网络模型迁移到离心风机实际使用环境的故障预警中；

步骤2：基于训练完成的自编码网络重构误差，制定故障预警指标计算方法和故障预警流程，实现离心风机故障预警。

2.根据权利要求1所述的一种基于迁移学习的离心风机故障预警方法，其特征在于步骤1中，制定的迁移学习方法步骤如下：

(1)以实验室采集的离心风机正常运行数据为源域，以设备实际使用过程，正常运行数据为目标域，使用实验室离心风机正常运行时采集的运行状态数据训练栈式降噪自编码网络，在每层网络输入中添加白噪声，使网络在获取数据低维度特征的同时具有抵御随机干扰的能力，完成源域网络训练；

(2)复制源域网络结构和参数初始化目标域网络，使用源域数据输入源域网络得到低维特征、使用目标域数据输入目标域网络获得目标域数据低维特征，计算源域和目标域低维特征的JS距离，通过最小化JS距离，使用反向传播调整目标域模型，完成源域自编码网络向目标域自编码网络迁移；

(3)通过权值共享，初始化解码网络，使用部分目标域数据，固定编码网络，对解码网络进行微调，使整个自编码网络能很好地还原输入数据。

3.根据权利要求1所述的一种基于迁移学习的离心风机故障预警方法，其特征在于步骤2中，基于自编码网络重构误差的离心风机故障指标计S算方法为：

其中，S为故障预警指标；X为实际采集的离心风机运行数据，是判断风机是否故障的数据基础；Y为目标域自编码模型对输入X的重构向量；Eu(X，Y)为两向量间的欧拉距离。

4.根据权利要求1所述的一种基于迁移学习的离心风机故障预警方法，其特征在于步骤2中，所述的离心风机故障预警流程为：

(1)使用迁移过程中用的目标域数据，输入训练好的自编码网络进行重构并计算重构误差，得出预警指标S[n]的序列；

(2)基于上一步得到的S[n]序列，计算预警阀值[S]，计算方法如下：

S_min＝min{s₁,s₂,...s_n}

[S]＝kS_min

式中，k为阀值系数，根据经验选择为略小于1；

(3)采集实际使用过程运行数据，输入目标域自编码网络进行重构，计算重构误差，得出实时的预警指标Sc；

(4)比较Sc和预警阀值大小，当Sc小于预警阀值时，发出报警。