[发明专利]一种基于分形维数和神经网络的机泵故障诊断方法和装置

权利要求书

1.一种基于分形维数和神经网络的机泵故障诊断方法，应用于一离心泵，其中，所述方法包括：

采集离心泵的震动信号，获得第一震动信号；

对所述第一震动信息进行经验模态分解，获得分量集合；

将所述分量集合中的多个分量按照信号的分解顺序进行排序，获得预设条件分量；

根据所述预设条件分量，计算分形维数，获得分形维数集；

根据所述分形维数集，构建分形矩阵；

将所述分形矩阵输入卷积神经网络模型中，获得输出结果，所述输出结果包括故障分类结果；

所述根据所述预设条件分量，计算分形维数，获得分形维数集，所述方法包括：

获得预设算法，其中，所述预设算法包括多种维数类别；

根据所述预设算法分别对所述预设条件分量进行维数计算，获得每个所述分量的分形维数集，所述每个分量的所述分形维数集包括多种维数类别；

所述根据所述分形维数集，构建分形矩阵，包括：

将所述分形维数集按照数值变化进行分类，提取分形维数矩阵，获得N个所述分形维数矩阵，其中，N为大于1的自然数；根据所述分形维数矩阵，构建所述分形矩阵；

所述卷积神经网络模型包括输入层、隐含层、输出层，所述将所述分形矩阵输入卷积神经网络模型中，获得输出结果，包括：

将所述分形矩阵输入所述输入层进行数据激活；

将激活的分形矩阵输入所述隐含层进行特征提取；

通过所述输出层的分类器获得故障分类结果，其中，所述故障分类结果为所述输出结果；

所述将所述分形矩阵输入卷积神经网络模型中，获得输出结果之前，包括：

训练所述卷积神经网络模型，其中，所述训练所述卷积神经网络模型，包括：

初始化所述分形矩阵，获得训练数据；

根据所述训练数据，确定输入数据、目标输出信息；

通过所述隐含层和所述输出层对所述训练数据进行处理，获得实际输出信息；

根据所述目标输出信息、所述实际输出信息，获得输出偏量；

判断所述输出偏量是否满足预设范围要求；

当不满足时，根据所述输出偏量，获得网络误差；

根据所述网络误差，获得误差梯度；

根据所述误差梯度，获得更新权值；

根据所述更新权值重新输入所述隐含层进行处理，直到所述输出偏量满足所述预设范围要求；

根据所述分形维数集，获得所述第一分形维数、第二分形维数，直至第P分形维数，其中，P为大于1的自然数；

根据所述第一分形维数生成第一验证码，所述第一验证码与所述第一分形维数一一对应；

根据所述第二分形维数和第一验证码生成第二验证码，以此类推，根据所述第P分形维数和第P-1验证码生成第P验证码；

将所有分形维数和验证码复制存储在Q台电子设备上，其中，Q为大于1的自然数。

2.如权利要求1所述的方法，其中，所述方法包括：

获得设备空间；

根据所述设备空间、N个所述分形矩阵，获得N个状态空间，其中，每个所述状态空间均包括第一端点、第二端点，所述第一端点具有第一分形维数、所述第二端点具有第二分形维数，且，所述第一分形维数为该状态空间的最小分形维数，所述第二分形维数为所述状态空间的最大分形维数。

3.如权利要求2所述的方法，其中，所述方法包括：

所述N个状态空间满足公式S1∩S2∩……∩SN＝0，且S1、S2……SN≠0，其中，S1为第一状态空间、S2为第二状态空间、SN为第N状态空间。