[发明专利]基于深度卷积对抗神经网络的旋转机械在线故障监测方法

摘要

本发明提供了一种基于深度卷积对抗神经网络的旋转机械在线故障监测方法，属于机械设备故障监测领域。本发明将振动信号传感器安装在旋转机械上采集信号，生成离线训练集，模型训练阶段，用健康数据训练生成网络和判别网络，使两个网络达到纳什平衡，以平衡点作为判断阈值；在线检测阶段，将实时数据输入训练好的判别网络中，计算判别网络的输出指标，作为诊断依据，实现了旋转机械典型零部件轴承的在线故障监测；本发明能够在故障数据稀少、标签类别不足的情况下有效训练模型，同时采用卷积判别网络和反卷积生成网络组成的对抗生成网络能够在非平稳工况下自适应的过滤噪音的干扰，不依赖统人工经验和统计学假设，具备较高的泛化能力和鲁棒性。

主权项

1.一种基于深度卷积对抗神经网络的旋转机械在线故障监测方法，其特征在于，包括以下步骤：步骤1，通过设置于旋转机械上的振动信号传感器采集所述旋转机械正常运转时历史运行数据；步骤2，建立深度卷积对抗神经网络，所述深度卷积对抗神经网络包括生成网络、判别网络及随机噪声生成器；步骤3，输入所述历史运行数据对所述深度卷积对抗神经网络进行训练，直到所述深度卷积对抗神经网络达到纳什平衡；步骤4，保存训练好的所述深度卷积对抗神经网络中的判别网络参数；步骤5，所述振动信号传感器在线采集所述旋转机械的在线运行数据，将所述在线运行数据输入至训练好的判别网络中；步骤6，基于所述判别网络的输出，对所述旋转机械的运行状态做出判断，得到所述旋转机械的运行状态结果。