康曉鳳, 鮑 蓉, 施漢琴, 厲 丹

(徐州工程學(xué)院信息工程學(xué)院(大數(shù)據(jù)學(xué)院), 江蘇 徐州 221018)

轉(zhuǎn)子聲發(fā)射(acoustic emission, AE)信號的分類與識別對于機械故障的早期診斷、碰摩狀態(tài)的分析及故障發(fā)展預(yù)警具有重要意義．學(xué)者們提出多種方法提取轉(zhuǎn)子碰摩聲發(fā)射信號的特征, 如基于模態(tài)聲發(fā)射(model acoustic emission, MAE)的聲發(fā)射信號表示方法．該方法利用多模態(tài)抑制技術(shù)將聲發(fā)射信號分解為基本模態(tài)聲波, 以提取聲發(fā)射信號的特征參數(shù)．

故障檢測領(lǐng)域中使用的傳統(tǒng)的機器學(xué)習(xí)方法包括K近鄰算法(K-nearest neighbor, KNN)、貝葉斯分類器(Bayes classifier)、支持向量機(support vector machine, SVM)等[1]．隨著深度學(xué)習(xí)的發(fā)展, 以卷積神經(jīng)網(wǎng)絡(luò)(convolutional neural network, CNN)為代表的神經(jīng)網(wǎng)絡(luò)也被應(yīng)用于故障檢測中[2]．Prosvirin等[3]提出一種以聲發(fā)射信號作為輸入的CNN模型, 提高了故障檢測的識別效果和效率．CNN主要應(yīng)用于圖像領(lǐng)域, 但機械碰摩故障中的信號是一種依賴于時間的聲發(fā)射信號, 將CNN應(yīng)用于小數(shù)據(jù)集上的識別, 可能出現(xiàn)梯度消失問題[4]．長短時記憶神經(jīng)網(wǎng)絡(luò)(long short-term memory, LSTM)作為循環(huán)神經(jīng)網(wǎng)絡(luò)(recurrent neural network, RNN)的變體, 在序列處理領(lǐng)域發(fā)揮著重要作用．基于LSTM和注意力機制的基線架構(gòu)被廣泛應(yīng)用于自然語言處理領(lǐng)域[5-6], 這種架構(gòu)對于聲發(fā)射信號同樣有效．于洋等[7]提出一種基于LSTM的滾動軸承故障聲發(fā)射信號智能識別方法, 構(gòu)建了LSTM模型與故障之間的映射關(guān)系, 實現(xiàn)故障特征的自適應(yīng)提取和智能識別; 周俊等[8]提出一種基于LSTM的聲發(fā)射信號識別模型, 采用單隱層結(jié)構(gòu)對信號進(jìn)行處理, 提高了聲發(fā)射信號的識別率．多流神經(jīng)網(wǎng)絡(luò)利用多個流的結(jié)構(gòu)和圖像信息獲得有效特征．與單流神經(jīng)網(wǎng)絡(luò)相比,多流神經(jīng)網(wǎng)絡(luò)在面部表情識別、故障檢測等方面具有更好的特征提取能力, 在缺陷分類與質(zhì)量檢測中也表現(xiàn)出良好的應(yīng)用前景, 故本文擬提出一種改進(jìn)的基于注意力機制的三流卷積神經(jīng)網(wǎng)絡(luò)(three-streams convolutional neural network, TSCNN)用于檢測早期碰摩故障, 通過對聲發(fā)射信號的時頻分析, 分別計算信號的短時傅里葉變換(short-time fourier transform, STFT)、梅爾頻率倒譜系數(shù)(Mel-scale frequency cepstral coefficients, MFCC)和節(jié)奏圖(tempogram, Tempo), 得到聲發(fā)射信號的特征, 并應(yīng)用注意力機制獲取輸出特征中最有效的部分, 以期提高機械碰摩故障的早期診斷率．

1 網(wǎng)絡(luò)模型

1.1 殘差網(wǎng)絡(luò)

殘差網(wǎng)絡(luò)(residual network, ResNet)是目前最流行的用于特征提取的CNN結(jié)構(gòu)[9]．實驗證明, CNN網(wǎng)絡(luò)越深, 提取的特征越多, 網(wǎng)絡(luò)的優(yōu)化效果越差, 這是因為網(wǎng)絡(luò)的加深會造成梯度爆炸或梯度消失等問題, 故引入了殘差連接方式．殘差網(wǎng)絡(luò)的主要思想是將輸入直接加到網(wǎng)絡(luò)層的輸出部分, 其輸入和輸出的張量形狀須保持一致．本文使用的殘差結(jié)構(gòu)如圖1 所示, 這種結(jié)構(gòu)可擴展性強, 提高準(zhǔn)確率的同時基本不改變模型的復(fù)雜度．

1.2 LSTM和縮放點乘注意力機制

本文使用LSTM提取與時間相關(guān)的聲學(xué)特征, 采用縮放點乘注意力機制引入上下文信息提高特征值的表達(dá)能力．每一流的查詢項Q, 鍵項K, 值項V均采用相同的輸入向量, 將Q與K的轉(zhuǎn)置進(jìn)行標(biāo)量積運算, 再除以縮放系數(shù), 結(jié)果使用Softmax函數(shù)進(jìn)行處理, 然后與V進(jìn)行張量乘法, 最后輸出注意力值．

1.3 三流輸入

旋轉(zhuǎn)機械轉(zhuǎn)子聲發(fā)射信號具有短時平穩(wěn)性[10], 考慮到主軸碰摩、軸承裂紋和正常狀態(tài)的聲發(fā)射信號具有不同且相對穩(wěn)定的頻域特性[11], 本文設(shè)計了短時傅里葉變換、梅爾頻率倒譜系數(shù)和節(jié)奏特征構(gòu)成的三流輸入網(wǎng)絡(luò),作為電機轉(zhuǎn)子聲發(fā)射信號, 其輸入的向量維度分別為257×200×1,128×200×1和512×200×1．主軸碰摩、軸承裂紋和正常聲發(fā)射信號的STFT,MFCC,Tempo頻譜如圖2所示．STFT在時頻域上的信號是通過計算短時重疊窗口上的離散傅里葉變換(discrete Fourier transforms, DFT)得到, 譜圖上的每列表示一幀信號的512點快速傅里葉變換(fast Fourier transformation, FFT), 每幀持續(xù)時間為1.024 ms, 幀之間的重疊率為50%, 所有譜圖均為幅度譜．MFCC基于人耳聽覺特性將線性頻譜映射到非線性的梅爾尺度頻譜上, 然后再轉(zhuǎn)換成倒譜, 譜圖上的每列表示一幀信號的2 048點FFT, 每幀長4.096 ms, 重疊率為25%．對于聲發(fā)射信號, 由于故障類型的不同, 在平均旋轉(zhuǎn)周期內(nèi)可能表現(xiàn)出不同的節(jié)奏, Tempo提取的幀長和重疊率與STFT保持一致．

圖2 轉(zhuǎn)子聲發(fā)射信號頻譜圖Fig.2 Spectrum of rotor acoustic emission signal

1.4 三流卷積神經(jīng)網(wǎng)絡(luò)

CNN結(jié)構(gòu)由一個或多個基本塊疊加構(gòu)成,基本結(jié)構(gòu)大致包括:卷積層、激活函數(shù)、池化層、全連接層、輸出層等．為避免過度擬合, 對數(shù)據(jù)流中每個殘差連接的輸出均使用dropout層, 系數(shù)為0.1. 應(yīng)用LSTM提取聲發(fā)射信號中與時間相關(guān)的特征作為CNN輸入, 通過縮放點乘注意力進(jìn)行加權(quán)獲得最有效的特征輸出．模型結(jié)構(gòu)的參數(shù)設(shè)置如表1所示．

TSCNN網(wǎng)絡(luò)框架如圖3所示．在預(yù)處理階段, 利用Python庫中的Librosa提取STFT,MFCC和Tempo的幅值,并將特征值分別輸入由CNN結(jié)構(gòu)、注意力機制和LSTM組成的神經(jīng)網(wǎng)絡(luò)中,每個流的最高級輸出通過線性層后進(jìn)行拼接,最后通過Softmax層輸出分類概率．

表1 CNN模型參數(shù)

圖3 模型整體結(jié)構(gòu)Fig.3 Overall structure of the model

圖4 聲發(fā)射信號樣本的時域波形Fig.4 Time domain waveform of AE signal samples

2 實驗設(shè)置

2.1 數(shù)據(jù)集

本文所采用的數(shù)據(jù)庫是自主采集的旋轉(zhuǎn)機械聲發(fā)射信號, 包括在600,700和800 rad·s-13種不同轉(zhuǎn)速下的正常信號、轉(zhuǎn)子裂紋和轉(zhuǎn)子碰摩聲發(fā)射信號各數(shù)百條．采樣率均為500 kHz, 每條數(shù)據(jù)長102.294 ms．在轉(zhuǎn)速為600 rad·s-1的條件下, 每個轉(zhuǎn)子聲發(fā)射離散信號總點數(shù)為51 147個, 即連續(xù)采集約9.8個轉(zhuǎn)子周期．圖4顯示了這3種信號的時域波形隨時間的變化規(guī)律, 由此可得不同故障對應(yīng)的特征波．

2.2 參數(shù)設(shè)置

采用轉(zhuǎn)速為600 rad·s-1的聲發(fā)射信號進(jìn)行實驗, 以轉(zhuǎn)速為700和800 rad·s-1的聲發(fā)射信號為參考．采用漢寧窗函數(shù)對離散聲發(fā)射信號進(jìn)行窗口分幀, 幀長的選擇主要取決于 FFT 數(shù)據(jù)點的個數(shù)．分別對256點、512點、1 024點和2 048點進(jìn)行訓(xùn)練, 最后得到512點的FFT運算結(jié)果．使用PyTorch深度學(xué)習(xí)框架構(gòu)建和訓(xùn)練網(wǎng)絡(luò), 數(shù)據(jù)以4∶1的比例劃分為訓(xùn)練集與測試集．激活函數(shù)采用ReLU函數(shù)．使用SGD優(yōu)化器和可變學(xué)習(xí)率, 當(dāng)前學(xué)習(xí)率R=(R0·w)-0.5·min{n-0.5,n·w-1.5}, 式中R0為初始學(xué)習(xí)率, 設(shè)為0.001;w為熱身學(xué)習(xí)步數(shù), 設(shè)為1 000;n是當(dāng)前迭代次數(shù)．訓(xùn)練時, STFT,MFCC和Tempo的LSTM特征值分別為256,128和256, 運行次數(shù)為32．

3 結(jié)果分析

3.1 識別結(jié)果

圖5是不同輸入在單流CNN和TSCNN網(wǎng)絡(luò)中的混淆矩陣,STFT,MFCC,Tempo和TSCNN的UAR分別為91.2%,90.6%,81.2%和98.4%．結(jié)果表明,與單流模型相比,TSCNN模型的正確率最高,具有更好的性能．

圖5 單流CNN和TSCNN在測試集上的混淆矩陣Fig.5 Confusion matrix of single stream CNN and TSCNN on the test set

3.2 模型對比實驗

為了進(jìn)一步探究所提出模型的有效性, 使用傳統(tǒng)的聲發(fā)射信號識別模型與本文模型在相同數(shù)據(jù)集上進(jìn)行對比實驗,其結(jié)果如表2所示．由表2可見, 所提出的模型在正常、 裂紋和碰摩情況下的識別率均較高．傳統(tǒng)分類方法中性能最好的是SVM算法, 其UAR為72.33%．與SVM相比, TSCNN算法的UAR提高了23.20%．KNN分類器對聲發(fā)射信號的識別率最低,其UAR僅為57.31%．與同樣是神經(jīng)網(wǎng)絡(luò)的DNN和單流CNN相比, TSCNN模型具有三流輸入,可以有效捕捉原始聲發(fā)射信號的特征,因而識別率最高．

表2 轉(zhuǎn)速為600 rad·s-1的3種聲發(fā)射信號在不同識別模型中的UAR

3.3 轉(zhuǎn)速對比實驗

表3給出了不同模型對不同轉(zhuǎn)速數(shù)據(jù)的識別結(jié)果．表3結(jié)果表明,與傳統(tǒng)分類方法如KNN, SVM等模型以及單流CNN模型相比,TSCNN模型對不同轉(zhuǎn)速的聲發(fā)射信號均具有較高的識別性能．此外,轉(zhuǎn)速越高,各模型的UAR越高,模型的分類效果越好．這可能是由于轉(zhuǎn)速增加提升了各類聲發(fā)射信號的特征區(qū)分度,從而提高了分類效果．

表3 不同模型在不同轉(zhuǎn)速下的UAR