详情

原文传递基于机器学习的机械密封状态判断方法、装置

专利名称：	基于机器学习的机械密封状态判断方法、装置
摘要：	本申请涉及一种基于机器学习的机械密封状态判断方法、装置、计算机设备和存储介质。所述方法包括：获取机械密封过程的研究目标，根据所述机械密封过程的研究目标，选取样本获取方式；并根据所述样本获取方式，确定样本数据，其中，所述样本数据至少包括根据所述样本获取方式，获取声发射信号，并提取所述声发射信号的表征量的过程；从而根据所述样本数据，得到目标参数值。采用本方法能够提高密封状态判断的效率、避免人工参与以及实现自动化判断。
专利类型：	发明专利
国家地区组织代码：	北京;11
申请人：	清华大学
发明人：	黄伟峰;刘向锋;尹源;王玉明;刘莹;李永健;王子羲;贾晓红;郭飞
专利状态：	有效
申请日期：	2019-03-11T00:00:00+0800
发布日期：	2019-07-09T00:00:00+0800
申请号：	CN201910180532.0
公开号：	CN109991314A
代理机构：	北京华进京联知识产权代理有限公司
代理人：	孙岩;黄易
分类号：	G01N29/14(2006.01);G;G01;G01N;G01N29
申请人地址：	100084 北京市海淀区清华园1号
主权项：	1.一种基于机器学习的机械密封状态判断方法，其特征在于，所述方法包括：获取机械密封过程的研究目标，根据所述机械密封过程的研究目标，选取样本获取方式；根据所述样本获取方式，确定样本数据，其中，所述样本数据至少包括根据所述样本获取方式，获取声发射信号，并提取所述声发射信号的表征量的过程；根据所述样本数据，得到目标参数值。 2.根据权利要求1所述的方法，其特征在于，所述根据所述样本获取方式，确定样本数据包括：获取试验过程中预设时间内的至少一个试验参数值，并对所述至少一个试验参数值进行处理，确定预设时间内至少一个采样周期的试验参数值，其中，所述试验参数值至少包括声发射信号和辅助参数值；对所述预设时间内至少一个采样周期的声发射信号进行处理，得到所述声发射信号的表征量；对所述预设时间内至少一个采样周期的辅助参数值进行处理，确定至少一个采样周期内至少一个辅助参数值的平均值。 3.根据权利要求2所述的方法，其特征在于，所述对所述预设时间内至少一个采样周期的声发射信号进行处理，得到所述声发射信号的表征量包括：获取所述预设时间内至少一个采样周期的声发射信号，并对所述至少一个采样周期的声发射信号进行周期的二次划分，得到周期二次划分后的至少一个采样周期的声发射信号；根据所述周期二次划分后的至少一个采样周期的声发射信号，确定所述周期二次划分后的至少一个采样周期的信号能量值；将所述信号能量值按照时间进行排序，并对排序后的信号能量值进行特征提取，确定所述周期二次划分后的至少一个采样周期的至少一个表征量。 4.根据权利要求2所述的方法，其特征在于，所述对所述预设时间内至少一个采样周期的辅助参数值进行处理，确定至少一个采样周期内至少一个辅助参数值的平均值之后包括：获取试验过程中预设时间内的至少一个采样周期的输出参数值；汇总所述至少一个采样周期的辅助参数值的平均值、至少一个采样周期的输出参数值以及至少一个采样周期的发射信号的表征量，并将所述至少一个采样周期的辅助参数值的平均值、至少一个采样周期的输出参数值以及至少一个采样周期的发射信号的表征量作为样本数据。 5.根据权利要求1所述的方法，其特征在于，所述根据样本获取方式，确定样本数据还包括：获取试验过程中至少一个物理过程的试验参数值，并将所述试验过程中至少一个物理过程的试验参数值与试验过程中至少一个物理过程的标准参数值进行匹配；选取所述试验过程中至少一个物理过程的试验参数值与试验过程中至少一个物理过程的标准参数值相关度最大的物理过程的试验参数值。 6.根据权利要求5所述的方法，其特征在于，所述选取所述试验过程中至少一个物理过程的试验参数值与试验过程中至少一个物理过程的标准参数值相关度最大的物理过程的试验参数值之后包括：对所述相关度最大的物理过程的试验参数值进行处理，获取至少一个采样周期的声发射信号；根据所述至少一个采样周期的声发射信号，确定所述至少一个采样周期的声发射信号的表征量；获取至少一个采样周期的辅助参数值的平均值、至少一个采样周期的输出参数值，并将所述至少一个采样周期的辅助参数值的平均值、至少一个采样周期的输出参数值以及至少一个采样周期的发射信号的表征量作为样本数据。 7.根据权利要求6所述的方法，其特征在于，所述根据所述至少一个采样周期的声发射信号，确定所述至少一个采样周期的声发射信号的表征量包括：提取至少一个频带附近的所述声发射信号的信号能量值，将所述信号能量值按照时间进行排序；将排序后的信号能量值进行至少一次周期划分，获取至少一个周期的信号能量值，并将所述至少一个周期的信号能量值作为表征量。 8.根据权利要求4或6所述的方法，其特征在于，所述根据所述样本数据，得到目标参数包括：获取所述样本数据，并根据所述样本数据和初始模型，确定训练后的模型；获取使用过程中的预设时间内的至少一个采样周期的辅助参数值的平均值和至少一个采样周期的发射信号的表征量，并将所述至少一个采样周期的辅助参数值的平均值和至少一个采样周期的发射信号的表征量输入所述训练后的模型，确定目标参数值。 9.根据权利要求8所述的方法，其特征在于，所述将所述至少一个采样周期的辅助参数值的平均值和至少一个采样周期的发射信号的表征量输入所述训练后的模型，确定目标参数值包括：将所述至少一个采样周期的辅助参数值的平均值和至少一个采样周期的发射信号的表征量输入所述训练后的模型，得到不同样本数据对应的目标参数值，并计算所述不同样本数据对应的目标参数值的标准差；获取试验过程中预设时间内至少一个采样周期的目标参数值的平均值，并根据所述至少一个采样周期的目标参数值的平均值，确定所述至少一个采样周期的目标参数值的平均值对应的标准差。 10.根据权利要求9所述的方法，其特征在于，所述获取试验过程中预设时间内至少一个采样周期的目标参数值的平均值，并根据所述至少一个采样周期的目标参数值的平均值，确定所述至少一个采样周期的目标参数值的平均值对应的标准差之后包括：若所述不同样本数据对应的目标参数值的标准差均小于至少一个采样周期的目标参数值的平均值对应的标准差，且所述不同样本数据对应的目标参数值的标准差之间无统计相关性，则计算所述不同样本数据对应的目标参数值的平均值，将所述不同样本数据对应的目标参数值的平均值作为目标参数值。 11.一种基于机器学习的机械密封状态判断装置，其特征在于，所述装置包括：第一获取模块，用于获取机械密封过程的研究目标，根据所述机械密封过程的研究目标，选取样本获取方式；第二获取模块，用于根据所述样本获取方式，确定样本数据，其中，所述样本数据至少包括根据所述样本获取方式，获取声发射信号，并提取所述声发射信号的表征量的过程；确定模块，用于根据所述样本数据，得到目标参数值。 12.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至10中任一项所述方法的步骤。 13.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至10中任一项所述的方法的步骤。
所属类别：	发明专利