[发明专利]一种机械设备故障诊断方法、系统、电子设备及存储介质

说明书

本发明涉及一种机械设备故障诊断方法、系统、电子设备及存储介质，涉及机械设备检测领域，该方法包括：将待检测数据输入机械设备故障诊断模型，输出待检测机械设备的故障类型；机械设备故障诊断模型为对基于TSK模糊系统和宽度学习的模型训练确定的；基于TSK模糊系统和宽度学习的模型包括n个TSK模糊系统、m个增强节点和聚合输出层；各TSK模糊系统均用于输入待检测数据；各增强节点用于输入基于各TSK模糊系统的模糊规则构成的中间输出矩阵变量，并对中间输出矩阵变量进行进行非线性变换；聚合输出层用于对n个TSK模糊系统的输出和m个增强节点的输出进行聚合，输出故障类型。本发明降低了预测计算的工作量。

技术领域

本发明涉及机械设备检测技术领域，特别是涉及一种机械设备故障诊断方法、系统、电子设备及存储介质。

背景技术

制造业是中国赖以生存的核心产业。机械设备故障会导致制造企业整个生产过程的崩溃，因此，机械设备的故障诊断对生产过程的稳定、高效运行具有重要意义。然而，由人驱动的机械设备故障诊断方法效率低下，且受生产条件的影响，难以与目前智能制造的发展速度相匹配。目前大多数机械设备的故障诊断方法都是基于特征提取技术来对故障进行分类，从而确定故障类型。近年来，模糊系统和神经网络等方法在故障诊断领域不断蓬勃发展，机械设备操作的可靠性和可维护性得到了进一步的提高。

模糊系统是一种将输入、输出和状态变量定义在模糊集上的系统，是确定性系统的一种推广。模糊系统可以全面地模拟人类推理，对模糊信息处理问题非常有效，已被广泛用于故障诊断。模糊系统虽然具有很好的可解释性，但其模糊规则是基于专家知识预定义的，不会随着输入数据的更新而变化，这往往导致较差的准确性。此外，当遇到高维数据时，模糊系统需要大量的模糊规则才能达到令人满意的精度，这导致了计算工作量的增加。

发明内容

本发明的目的是提供一种机械设备故障诊断方法、系统、电子设备及存储介质，降低了预测计算的工作量。

为实现上述目的，本发明提供了如下方案：

一种机械设备故障诊断方法，包括：

采集待检测机械设备设定数量的图片作为待检测数据；

将所述待检测数据输入机械设备故障诊断模型，输出待检测机械设备的故障类型；所述机械设备故障诊断模型为对基于TSK模糊系统和宽度学习的模型训练确定的；

所述基于TSK模糊系统和宽度学习的模型包括n个TSK模糊系统、m个增强节点和聚合输出层；各所述TSK模糊系统均用于输入所述待检测数据；各所述增强节点用于输入基于各TSK模糊系统的模糊规则构成的中间输出矩阵变量，并对中间输出矩阵变量进行进行非线性变换；所述聚合输出层用于对n个TSK模糊系统的输出和m个所述增强节点的输出进行聚合，输出所述待检测数据对应的故障类型。

可选地，所述中间输出矩阵变量表示为：

其中，z_n表示所述中间输出矩阵变量，i的取值范围为1至n，zⁱ表示第i个所述TSK模糊系统的中间输出，N表示所述设定数量，kⁱ表示第i个TSK模糊系统中的模糊规则的数量，表示第i个TSK模糊系统对所述待检测数据中第s个图片的模糊规则，s的取值范围为1至N，表示第i个TSK模糊系统对所述待检测数据中第s个图片的第k个模糊规则，k的取值范围为1至kⁱ，T表示转置。

可选地，n个TSK模糊系统的输出表示为：