[发明专利]多测点样本结构信息显式表征下的机械设备异常检测方法

权利要求书

1.多测点样本结构信息显式表征下的机械设备异常检测方法，其特征在于，包括以下步骤：

步骤1：以被检测对象各部件多个测点的传感器采集到的一维振动信号作为目标信号，通过对采集到的一维振动信号进行预处理得到多测点状态检测样本，将机械设备正常状态下采集得到的正常多测点状态检测样本作为训练集，其他状态下采集得到的其他多测点状态检测样本作为测试集；

步骤2：基于自注意力层构建多测点状态检测样本结构信息表征模块，通过统计各测点检测样本之间的相关性，计算获得多测点状态检测样本的自相关矩阵，并采用多头注意力机制自适应加权集成多次相关性分析的结果，以此为基础显式表征多测点状态检测样本的结构信息，之后构建空域图卷积神经网络处理生成的多测点状态检测样本结构信息的显式表征，并实现各测点状态检测样本的有效融合；

步骤3：利用步骤2所构建的多测点状态检测样本结构信息表征模块、空域图卷积神经网络作为编码器，并与所构建的多通道解码器相结合作为异常检测模型，基于划分后由机械设备正常状态下采集得到的正常多测点状态检测样本所构成的训练集对异常检测模型进行训练，通过权重衰减自适应矩估计的方式更新异常检测模型参数，以此挖掘融合后的各测点状态检测样本与相应测点预处理后得到的各测点状态检测样本之间的非线性映射关系；

步骤4：利用步骤3中经过训练得到的异常检测模型计算得到训练集样本的重构损失，基于指数加权移动平均的方法计算得到异常检测阈值，根据异常检测阈值推断测试集样本的异常检测结果。

2.根据权利要求1所述的多测点样本结构信息显式表征下的机械设备异常检测方法，其特征在于，步骤1中通过滑动窗口以及Min-Max数据归一化对采集到的一维振动信号进行预处理：

首先，利用滑动窗口截取一维振动信号的序列片段，将采集到的一维振动信号划分为长度为L的样本X；之后，利用Min-Max数据归一化处理划分后的样本，Min-Max数据归一化的计算公式如下：

式中，为归一化后的样本，X_max为样本中的最大幅值，X_min为样本中的最小幅值。

3.根据权利要求1所述的多测点样本结构信息显式表征下的机械设备异常检测方法，其特征在于，步骤2中基于多头自注意力层统计各测点检测样本之间的相关性，具体为：

首先，利用自注意力网络模块提取各测点样本特征，自注意力网络模块的计算公式如下：

式中，Fⁱ为提取得到的特征向量，i为测点编号，N为测点总数量，W_linear为自注意力网络模块所用的可训练权重，b_linear为自注意力网络模块所用的可训练偏差，为第i个归一化后的样本，ο表示以矩阵乘法的方式得到W_linear与的运算结果；

之后，采用皮尔逊相关系数统计不同测点样本特征的相关性，皮尔逊相关系数的计算公式如下：

式中，L′为特征长度，j为数据点索引，与分别表示要计算皮尔逊相关系数的两个特征向量与在第j点处的值，与分别表示两个特征向量与的平均值，为计算后得到的皮尔逊相关系数。