[发明专利]基于迁移学习与多源信息融合的磨损状态在线监测方法及系统

权利要求书

1.一种基于迁移学习与多源信息融合的磨损状态在线监测方法，其特征在于，包括：

步骤S1：在摩擦磨损试验和在船装备状态下，对待监测摩擦副分别进行数据采集，包括：摩擦副在位图像以及多源摩擦学信号；

步骤S2：对采集到的摩擦副在位图像以及多源摩擦学信号分别进行预处理，并基于预处理后的多源摩擦学信号和预处理后的摩擦副在位图像分别进行多源信号特征提取和视觉磨损特征提取；

步骤S3：将摩擦磨损试验状态下提取的多源信号特征和视觉磨损特征视为源领域特征；将在船装备状态下提取的多源信号特征和视觉磨损特征视为目标领域特征；

步骤S4：对源领域特征和目标领域特征分别进行预处理，得到预处理后的源领域特征和目标领域特征；

步骤S5：预处理后的源领域特征和目标领域特征利用特征迁移模型进行特征迁移得到迁移特征；

步骤S6：对迁移特征进行逆归一化处理得到迁移特征全部数据；

步骤S7：基于迁移特征全部数据进行特征筛选得到成功迁移特征；

步骤S8：利用成功迁移特征训练随机森林模型得到训练后的随机森林模型，利用训练后的随机森林模型进行磨损状态监测。

2.根据权利要求1所述的基于迁移学习与多源信息融合的磨损状态在线监测方法，其特征在于，所述多源摩擦学信号包括：力/力矩信号、声发射信号和振动信号；

所述力/力矩信号是源于安装于摩擦副或通过传导机构可测量摩擦副的力/力矩传感器数据或动力源运行过程中的电流数据；

所述声发射信号是通过声压传感器采集的声压信号和数字麦克风采集的声音信号；

所述振动信号是固定安装于接近摩擦副位置的振动传感器采集的近端信号和安装于远离摩擦副位置的振动传感器采集的远端信号。

3.根据权利要求2所述的基于迁移学习与多源信息融合的磨损状态在线监测方法，其特征在于，所述步骤S2采用：

步骤S2.1：对多源摩擦学信号进行包括信号滤波以及信号裁剪处理得到处理后的多源摩擦学信号；

步骤S2.2：对处理后的多源摩擦学信号进行时域分析与频域分析；

步骤S2.3：对摩擦副在位图像进行包括图像裁剪、图像灰度化以及图像降噪与滤波处理得到处理后的摩擦副在位图像；

步骤S2.4：基于处理后的摩擦副在位图像利用Canny算法提取摩擦副边缘；

步骤S2.5：基于提取的摩擦副边缘进行边缘修补从而实现磨损区域识别；

步骤S2.6：根据识别后的磨损区域，分别对摩擦副主摩擦面和副摩擦面进行磨损最大宽度、磨损平均宽度以及磨损面积的特征提取。

4.根据权利要求3所述的基于迁移学习与多源信息融合的磨损状态在线监测方法，其特征在于，所述步骤S2.2采用：基于预处理后的力/力矩信号、振动信号、声压信号以及声音信号进行时域分析与频域分析，提取最大值、最小值、均值、中位数、标准差、均方根、偏度、峭度、波形因子、峰值因子、脉冲因子和裕度因子；

5.根据权利要求1所述的基于迁移学习与多源信息融合的磨损状态在线监测方法，其特征在于，所述步骤S2.5采用：对拟边缘进行从左到右扫描，第一列的拟边缘像素点默认为已确认边缘点；扫描过程中，对于每个当前像素点，对其右侧拟边缘点以一定的斜率进行三角形查找，找到最近的拟边缘点，将其相连进行边缘修补，而后以该最近边缘点作为当前边缘点，对其右侧拟边缘点重复该查找修补过程；对于位置超出查找区域的边缘点进行舍弃。

6.根据权利要求1所述的基于迁移学习与多源信息融合的磨损状态在线监测方法，其特征在于，所述步骤S4采用：

步骤S4.1：使用Savitzky-Golay滤波器对每个特征-时间曲线进行平滑处理完成特征曲线后处理，为保证特征曲线局部单调性，设置多项式次数为1，为平衡滤波平滑效果与曲线局部趋势保留情况，设置窗口大小为t个数据点；使用插值法对滤波后的数据进行数据扩增；使用皮尔逊相关性分析来进行特征的初步选择，总特征数减小；

步骤S4.2：对当前源领域特征和目标领域特征分别进行归一化处理，得到源领域特征0-1分布和目标领域特征0-1分布。