[发明专利]基于卷积相图生成的机电设备健康状态识别方法及系统

权利要求书

1.一种基于卷积相图生成的机电设备健康状态识别方法，其特征在于，所述方法包括：

采集待检测机电设备的物理数据，并将所述物理数据转换为离散电信号；

利用卷积窗对所述离散电信号进行卷积操作生成多个卷积矩阵，将多个所述卷积矩阵按照生成顺序堆叠为一个卷积相图；

将所述卷积相图输入机电设备健康状态识别模型中，输出所述卷积相图对应的所述待检测机电设备的健康状态；所述健康状态包括正常状态和故障状态。

2.根据权利要求1所述的基于卷积相图生成的机电设备健康状态识别方法，其特征在于，所述利用卷积窗对所述离散电信号进行卷积操作生成多个卷积矩阵，将多个所述卷积矩阵按照生成顺序堆叠为一个卷积相图，具体包括：

初始化所述离散电信号的长度；

根据当前离散电信号的长度和卷积窗的单位长度，计算相邻两个卷积窗内离散电信号的重复率；

以所述卷积窗对所述离散电信号进行卷积操作，生成卷积矩阵，所述卷积矩阵的尺寸大小为c×m，其中，m＝[(d-nρ)/(n-nρ)]，c表示卷积窗的单位长度，d表示当前离散电信号的长度，n表示卷积窗长度，ρ表示重复率；

判断m是否等于c；

若m不等于c，则调整d，返回步骤“根据当前离散电信号的长度和卷积窗的单位长度，计算相邻两个卷积窗内离散电信号的重复率”；

若m等于c，则以长度为c的所述卷积窗对长度为d的所述离散电信号进行卷积操作，生成多个卷积矩阵，将多个所述卷积矩阵按照生成顺序堆叠为一个卷积相图。

3.根据权利要求1所述的基于卷积相图生成的机电设备健康状态识别方法，其特征在于，所述机电设备健康状态识别模型为采用数据集训练好的深度学习模型，所述数据集包括多个卷积相图样本和与各卷积相图样本对应的标签。

4.根据权利要求1所述的基于卷积相图生成的机电设备健康状态识别方法，其特征在于，所述将所述卷积相图输入机电设备健康状态识别模型中，输出所述卷积相图对应的所述待检测机电设备的健康状态的同时，具体包括：

将所述卷积相图输入机电设备健康状态识别模型中，输出所述卷积相图对应的所述待检测机电设备的运行状态；所述运行状态包括加速运行状态、匀速运行状态、减速运行状态、颠簸状态和爬坡状态。

5.根据权利要求1所述的基于卷积相图生成的机电设备健康状态识别方法，其特征在于，所述物理数据包括振动信号、温度信号、电流信号、电压信号、电磁波信号或者湿度信号。

6.一种基于卷积相图生成的机电设备健康状态识别系统，其特征在于，包括：

数据采集模块，用于采集待检测机电设备的物理数据，并将所述物理数据转换为离散电信号；

卷积相图生成模块，用于利用卷积窗对所述离散电信号进行卷积操作生成多个卷积矩阵，将多个所述卷积矩阵按照生成顺序堆叠为一个卷积相图；

健康状态识别模块，用于将所述卷积相图输入机电设备健康状态识别模型中，输出所述卷积相图对应的所述待检测机电设备的健康状态；所述健康状态包括正常状态和故障状态。

7.根据权利要求6所述的基于卷积相图生成的机电设备健康状态识别系统，其特征在于，所述卷积相图生成模块，具体包括：

离散电信号的长度初始化单元，用于初始化所述离散电信号的长度；

重复率计算单元，用于根据当前离散电信号的长度和卷积窗的单位单位长度，计算相邻两个卷积窗内离散电信号的重复率；

卷积矩阵生成单元，用于以所述卷积窗对所述离散电信号进行卷积操作，生成卷积矩阵，所述卷积矩阵的尺寸大小为c×m，其中，m＝[(d-nρ)/(n-nρ)]，c表示卷积窗的长度，d表示当前离散电信号的长度，n表示卷积窗长度，ρ表示重复率；

判断单元，用于判断m是否等于c；

第一判断结果执行单元，用于若m不等于c，则调整d，返回重复率计算单元；

第二判断结果执行单元，用于若m等于c，则以长度为c的所述卷积窗对长度为d的所述离散电信号进行卷积操作，生成多个卷积矩阵，将多个所述卷积矩阵按照生成顺序堆叠为一个卷积相图。