亚洲免费av电影一区二区三区,日韩爱爱视频,51精品视频一区二区三区,91视频爱爱,日韩欧美在线播放视频,中文字幕少妇AV,亚洲电影中文字幕,久久久久亚洲av成人网址,久久综合视频网站,国产在线不卡免费播放

        ?

        融合GA優(yōu)化算法的數(shù)字孿生模型在石油旋轉(zhuǎn)機(jī)械診斷中的應(yīng)用

        2023-12-01 03:08:12朱傳同苑得鑫吳義維李卓軍
        計(jì)算機(jī)測(cè)量與控制 2023年11期
        關(guān)鍵詞:機(jī)械故障模態(tài)數(shù)值

        朱傳同,苑得鑫,吳義維,李卓軍

        (1.中國(guó)石油大學(xué)(華東),山東 青島 266580;青島石大石儀科技有限責(zé)任公司,山東 青島 266580)

        0 引言

        石油旋轉(zhuǎn)機(jī)械是指主要依靠旋轉(zhuǎn)動(dòng)作完成特定行為功能的石油驅(qū)動(dòng)機(jī)械,典型的機(jī)械設(shè)備包括石油發(fā)電機(jī)、石油輪機(jī)、石油發(fā)動(dòng)機(jī)等。旋轉(zhuǎn)類機(jī)械設(shè)備的故障行為較難預(yù)測(cè),且一旦發(fā)生故障大多數(shù)情況下會(huì)導(dǎo)致嚴(yán)重事故。隨著石油旋轉(zhuǎn)機(jī)械設(shè)計(jì)指標(biāo)的不斷提高,機(jī)械系統(tǒng)的運(yùn)行模式也在日漸趨于復(fù)雜,多個(gè)系統(tǒng)部件之間的相互作用越來越頻繁[1]。此外,大型旋轉(zhuǎn)機(jī)械設(shè)備普遍存在工況環(huán)境惡劣、工作負(fù)載量大、持續(xù)運(yùn)行時(shí)間長(zhǎng)等問題。受到運(yùn)行環(huán)境、自身運(yùn)行能力等內(nèi)外因素的影響,設(shè)備元件產(chǎn)生故障的可能性也越來越高。對(duì)于石油旋轉(zhuǎn)機(jī)械而言,各類故障都會(huì)在不同程度上影響設(shè)備元件的旋轉(zhuǎn)能力,且這種影響行為可以直接反映在振動(dòng)信號(hào)之中,所以對(duì)于機(jī)械狀態(tài)監(jiān)測(cè)及故障診斷多以振動(dòng)信號(hào)作為判定基礎(chǔ)。

        對(duì)于石油旋轉(zhuǎn)機(jī)械故障行為的診斷,周付明、劉武強(qiáng)、楊小強(qiáng)等人提出的基于精細(xì)化改進(jìn)多尺度快速樣本熵的診斷方法,以快速樣本熵作為研究對(duì)象,利用重構(gòu)向量代替?zhèn)鹘y(tǒng)的樣本熵,在定義匹配機(jī)制的同時(shí),完成對(duì)數(shù)據(jù)樣本的多尺度、多方向拓展,并在此基礎(chǔ)上,聯(lián)合最大相關(guān)與最小冗余條件,完善分類器模型,一方面實(shí)現(xiàn)了對(duì)石油旋轉(zhuǎn)機(jī)械故障行為的診斷,另一方面也可以判斷出故障數(shù)據(jù)樣本的大致傳輸方向[2]。張劍、程培源、邵思羽提出的基于改進(jìn)殘差卷積自編碼網(wǎng)絡(luò)的故障診斷方法首先對(duì)少量源域數(shù)據(jù)進(jìn)行標(biāo)記,根據(jù)目標(biāo)域條件,創(chuàng)建故障數(shù)據(jù)樣本的閾度空間;然后利用一維殘差卷積自編碼網(wǎng)絡(luò)提取振動(dòng)信號(hào)特征參量;最后聯(lián)合均值差異原則,將不同域空間內(nèi)的信息參量映射到同一個(gè)數(shù)據(jù)空間內(nèi),以便于主機(jī)元件對(duì)故障表現(xiàn)行為的逐一診斷[3]。

        數(shù)字孿生是利用歷史數(shù)據(jù)完成仿真處理的過程,整個(gè)映射環(huán)節(jié)只能在虛擬空間中進(jìn)行,因此在全生命周期內(nèi),利用該方法進(jìn)行運(yùn)算,能夠得到大量的真實(shí)數(shù)值解。由于虛擬數(shù)據(jù)、真實(shí)數(shù)據(jù)之間具有明顯的數(shù)值對(duì)應(yīng)關(guān)系,所以在運(yùn)算過程中,不會(huì)出現(xiàn)多個(gè)自變量對(duì)應(yīng)同一個(gè)因變量的情況[4]。GA算法是結(jié)合多元化思想與遺傳運(yùn)算思維的自適應(yīng)型隨機(jī)搜索算法,其運(yùn)算流程不單純依靠交叉計(jì)算,因此即便是在自變量種群較為復(fù)雜的情況下,應(yīng)用該算法依然可以求解得到完全準(zhǔn)確的數(shù)值解。在石油旋轉(zhuǎn)機(jī)械故障表現(xiàn)行為較為復(fù)雜的情況下,傳統(tǒng)方法所定義模態(tài)信號(hào)頻率并不一定完全屬于標(biāo)準(zhǔn)頻率數(shù)值區(qū)段之內(nèi),故而在診斷準(zhǔn)確性方面的能力相對(duì)較為欠缺。為解決上述問題,提出基于融合GA優(yōu)化算法的數(shù)字孿生模型在石油旋轉(zhuǎn)機(jī)械診斷方法,并對(duì)其應(yīng)用能力展開研究。

        1 基于數(shù)字孿生模型的石油旋轉(zhuǎn)機(jī)械運(yùn)行數(shù)據(jù)聚類處理

        基于數(shù)字孿生模型的石油旋轉(zhuǎn)機(jī)械運(yùn)行數(shù)據(jù)聚類處理以完善GA算法優(yōu)化規(guī)則為基礎(chǔ),利用已注入的虛擬同源數(shù)據(jù),定義具體的聚類運(yùn)算方案,本章節(jié)針對(duì)其具體實(shí)現(xiàn)方法展開研究。

        1.1 GA算法優(yōu)化規(guī)則

        1.1.1 GA參數(shù)編碼

        GA算法對(duì)于參數(shù)的編碼遵循模糊性處理原則。對(duì)于石油旋轉(zhuǎn)機(jī)械故障數(shù)據(jù)而言,GA算法首先利用固定數(shù)據(jù)對(duì)象完成對(duì)樣本空間內(nèi)所有參量指標(biāo)的全局搜索,并根據(jù)關(guān)聯(lián)信息參量之間的數(shù)值關(guān)系,建立初始聚類中心矩陣;然后按照既定編碼條件,對(duì)所有一致數(shù)據(jù)樣本進(jìn)行指導(dǎo)性分類,從而達(dá)到提高信息參量收斂速度的目的;最后按照由小至大的順序?qū)Τ跏季垲愔行木仃囍械乃行畔⒘窟M(jìn)行排列,達(dá)到注意編碼數(shù)據(jù)對(duì)象的目的,上述處理過程所得到的最終編碼結(jié)果,就是GA參數(shù)編碼對(duì)象[5-6]。

        (1)

        Q1、Q2、…、Qn表示矩陣中n個(gè)由小至大排列的石油旋轉(zhuǎn)機(jī)械故障數(shù)據(jù)對(duì)象,為避免主機(jī)元件在診斷故障行為時(shí)發(fā)生重復(fù)提取數(shù)據(jù)樣本的情況,規(guī)定n個(gè)數(shù)據(jù)對(duì)象不存在相等的可能。

        在公式(1)的基礎(chǔ)上,推導(dǎo)GA參數(shù)編碼表達(dá)式為:

        (2)

        1.1.2 核模糊均值函數(shù)

        完善GA算法優(yōu)化規(guī)則就是按照GA參數(shù)編碼條件,求解核模糊均值函數(shù),函數(shù)表達(dá)式的最終計(jì)算數(shù)值就是GA算法所對(duì)應(yīng)的優(yōu)化運(yùn)算結(jié)果。整個(gè)函數(shù)流程的實(shí)現(xiàn)參考如下步驟。

        1)GA參數(shù)編碼條件初始化——設(shè)定石油旋轉(zhuǎn)機(jī)械故障數(shù)據(jù)的聚類數(shù)目為定值,改變模糊指數(shù)與收斂精度,某一時(shí)刻GA參數(shù)編碼條件的運(yùn)算結(jié)果不再發(fā)生變化,表示當(dāng)前時(shí)刻能夠求得核模糊函數(shù)的最大值[7]。

        2)規(guī)定核模糊函數(shù)的初始遺傳代數(shù)、模糊指數(shù)、收斂精度的取值均為“0”,在求解均值函數(shù)的過程中,每增加一個(gè)運(yùn)算步驟,參數(shù)指標(biāo)的增長(zhǎng)幅度為自然數(shù)“1”,當(dāng)其數(shù)值水平與GA參數(shù)編碼條件保持對(duì)應(yīng)狀態(tài)時(shí),就可以求得石油旋轉(zhuǎn)機(jī)械故障數(shù)據(jù)的核模糊均值函數(shù)。

        設(shè)e表示基于GA參數(shù)編碼的故障數(shù)據(jù)初始遺傳代數(shù),ε表示模糊指數(shù),γ表示收斂精度,β表示石油旋轉(zhuǎn)機(jī)械故障數(shù)據(jù)的目標(biāo)聚類數(shù)目,ΔR表示GA參數(shù)編碼過程中石油旋轉(zhuǎn)機(jī)械故障數(shù)據(jù)的單位累積量。在上述物理量的支持下,聯(lián)絡(luò)公式(2),可將GA優(yōu)化核模糊均值函數(shù)表示為:

        (3)

        3)計(jì)算初始遺傳代數(shù)、模糊指數(shù)、收斂精度在不同取值情況下所對(duì)應(yīng)GA參數(shù)編碼條件的具體運(yùn)算數(shù)值,并從中去除數(shù)值重復(fù)的部分,以保證主機(jī)元件在診斷石油旋轉(zhuǎn)機(jī)械故障行為時(shí),不會(huì)提取到完全相同的數(shù)據(jù)樣本。

        1.2 融合GA優(yōu)化算法的數(shù)字孿生模型構(gòu)建

        1.2.1 虛擬同源數(shù)據(jù)注入

        虛擬同源數(shù)據(jù)是指與原始石油旋轉(zhuǎn)機(jī)械故障數(shù)據(jù)來源相同,但存儲(chǔ)方式不同的非真實(shí)數(shù)據(jù)信息參量。功能性方面,虛擬同源數(shù)據(jù)與原始數(shù)據(jù)的能力基本相同;但在適應(yīng)性方面,前者所能匹配的傳輸環(huán)境明顯更多[8]。按照GA優(yōu)化算法取樣原始石油旋轉(zhuǎn)機(jī)械故障數(shù)據(jù),在單位時(shí)間內(nèi)所能定義的數(shù)據(jù)信息樣本總量相對(duì)有限,但若應(yīng)用該算法,定義與之同源的虛擬數(shù)據(jù),則可以獲得更多的信息參量,對(duì)于主機(jī)元件而言,其在診斷機(jī)械故障行為時(shí),如果能在更多的數(shù)據(jù)樣本中完全對(duì)目標(biāo)信息的取樣,則可以大大增強(qiáng)診斷結(jié)果的準(zhǔn)確性。

        利用GA算法優(yōu)化規(guī)則完善數(shù)字孿生模型時(shí),一般只在一個(gè)數(shù)據(jù)集合中選擇一個(gè)數(shù)據(jù)信息樣本,且所選參量不能等于已定義數(shù)據(jù)參量的最大值與最小值[9]。對(duì)于虛擬同源數(shù)據(jù)注入表達(dá)式的求解參考公式(4)。

        (4)

        數(shù)字孿生模型對(duì)于虛擬同源數(shù)據(jù)的定義,要求一個(gè)信息參量在單位傳輸周期內(nèi)只能與一個(gè)同源信息保持?jǐn)?shù)值對(duì)應(yīng)關(guān)系,且無論數(shù)據(jù)總量增大或減少,這種數(shù)值對(duì)應(yīng)關(guān)系都不能發(fā)生變化。

        1.2.2 孿生數(shù)據(jù)特征生成

        石油旋轉(zhuǎn)機(jī)械運(yùn)行過程中會(huì)產(chǎn)生大量的振動(dòng)信號(hào),且這些信號(hào)所描述出的機(jī)械設(shè)備行為模式并不相同,因此按照數(shù)字孿生模型診斷機(jī)械故障行為時(shí),可以將主機(jī)元件采集到的振動(dòng)信號(hào)作為孿生數(shù)據(jù)特征。在虛擬同源數(shù)據(jù)的基礎(chǔ)上,孿生數(shù)據(jù)特征進(jìn)一步描述了石油旋轉(zhuǎn)機(jī)械的運(yùn)行狀態(tài),由于取樣數(shù)據(jù)所代表的運(yùn)行時(shí)刻真實(shí)存在,所以在建立數(shù)字孿生模型的過程中,不會(huì)出現(xiàn)錯(cuò)誤診斷故障行為的情況。

        規(guī)定i0表示石油旋轉(zhuǎn)機(jī)械的原始故障診斷數(shù)據(jù),i1表示數(shù)據(jù)i0的孿生對(duì)象,由參數(shù)i0到參數(shù)i1的數(shù)值轉(zhuǎn)化關(guān)系可以表示為;

        (5)

        η表示基于數(shù)字孿生模型的數(shù)據(jù)錄入效率,其取值恒屬于(0,1)的數(shù)值區(qū)間,ι0表示原始故障診斷數(shù)據(jù)記錄參數(shù),ι1表示孿生故障診斷數(shù)據(jù)記錄參數(shù)。

        GA優(yōu)化算法規(guī)定,對(duì)于石油旋轉(zhuǎn)機(jī)械的診斷,在建立數(shù)字孿生模型時(shí),應(yīng)將數(shù)據(jù)樣本的數(shù)值鏡像問題考慮在內(nèi)[10]。所謂數(shù)值鏡像就是指數(shù)據(jù)對(duì)象的數(shù)值水平相等,但取值符號(hào)相反,在推導(dǎo)模型計(jì)算式的過程中,為避免造成運(yùn)算方向性的錯(cuò)誤,可以對(duì)所有數(shù)據(jù)對(duì)象進(jìn)行求解有效值的處理。

        聯(lián)立公式(4)、公式(5),可將孿生數(shù)據(jù)特征計(jì)算式表示為:

        (6)

        1.3 石油旋轉(zhuǎn)機(jī)械運(yùn)行數(shù)據(jù)聚類運(yùn)算

        完成石油旋轉(zhuǎn)機(jī)械運(yùn)行數(shù)據(jù)聚類運(yùn)算,首先需要構(gòu)造一個(gè)具有約束能力的目標(biāo)聚類函數(shù),然后通過持續(xù)優(yōu)化的方式,搜尋數(shù)據(jù)樣本集合中的局域性最優(yōu)解,接著再以該數(shù)值解為標(biāo)準(zhǔn),實(shí)現(xiàn)對(duì)運(yùn)行數(shù)據(jù)的模糊性劃分。在融合GA優(yōu)化算法的數(shù)字孿生模型的作用下,持續(xù)進(jìn)行數(shù)據(jù)聚類運(yùn)算,能夠?qū)?shù)據(jù)集合中的非標(biāo)準(zhǔn)信息參量過濾出來,從而在保證運(yùn)算結(jié)果準(zhǔn)確性的同時(shí),為主機(jī)元件提供更多的可參考診斷信息[11]。

        F表示依照融合GA優(yōu)化算法的數(shù)字孿生模型所定義的目標(biāo)聚類函數(shù),其計(jì)算式如下:

        (7)

        在公式(7)的基礎(chǔ)上,推導(dǎo)石油旋轉(zhuǎn)機(jī)械運(yùn)行數(shù)據(jù)聚類運(yùn)算表達(dá)式如下:

        (8)

        2 石油旋轉(zhuǎn)機(jī)械的診斷

        為實(shí)現(xiàn)對(duì)石油旋轉(zhuǎn)機(jī)械的精準(zhǔn)診斷,本章節(jié)根據(jù)運(yùn)行數(shù)據(jù)損失情況,建立具體的模態(tài)分解條件,再通過重耦合運(yùn)算的方式,確定超參數(shù)指標(biāo)的取值范圍,以便于主機(jī)元件可以根據(jù)超參數(shù)樣本的集中訓(xùn)練結(jié)果總結(jié)出具體的機(jī)械設(shè)備診斷與執(zhí)行方案。

        2.1 運(yùn)行數(shù)據(jù)損失計(jì)算

        對(duì)于石油旋轉(zhuǎn)機(jī)械運(yùn)行數(shù)據(jù)而言,數(shù)據(jù)參量的損失與輸入數(shù)據(jù)的正向傳播與信息量差的反向傳播行為有關(guān)。數(shù)字孿生模型通過計(jì)算輸出數(shù)據(jù)與數(shù)據(jù)樣本真實(shí)值之間的差異來調(diào)整和優(yōu)化整個(gè)數(shù)據(jù)樣本空間[13]。其中,用以計(jì)算和度量數(shù)據(jù)樣本之間差異性的信息參量被稱為運(yùn)行數(shù)據(jù)損失量,GA優(yōu)化算法規(guī)定,數(shù)據(jù)樣本的實(shí)時(shí)損失量越大,主機(jī)元件在診斷石油旋轉(zhuǎn)機(jī)械運(yùn)行數(shù)據(jù)過程中,所需處理的相關(guān)性參數(shù)就越多。

        運(yùn)行數(shù)據(jù)損失計(jì)算的本質(zhì)就是通過最小化數(shù)據(jù)損失來達(dá)到準(zhǔn)確診斷機(jī)械設(shè)備運(yùn)行狀態(tài)的目的,從某種程度上來說,只有將數(shù)據(jù)樣本損失量控制在既定數(shù)值范圍之內(nèi),才能夠保證診斷結(jié)果的可參考性價(jià)值[14]。此外,按照數(shù)字孿生模型的應(yīng)用特性,運(yùn)行數(shù)據(jù)損失條件的取值情況還能夠決定主機(jī)元件對(duì)于數(shù)據(jù)樣本的優(yōu)化處理方向,只要在保證運(yùn)算方法不發(fā)生改變的前提下,相同數(shù)據(jù)樣本所對(duì)應(yīng)的診斷結(jié)果均相同。

        利用公式(8),可將石油旋轉(zhuǎn)機(jī)械運(yùn)行數(shù)據(jù)損失量計(jì)算結(jié)果表示為:

        (9)

        2.2 描述性樣本模態(tài)分解

        數(shù)據(jù)樣本模態(tài)是指在一個(gè)本征模函數(shù)中包含差異最大的時(shí)間特征尺度,也可以理解為相近或相似時(shí)間特征尺度在不同本征模函數(shù)中的分布情況。參照融合GA優(yōu)化算法的數(shù)字孿生模型在石油旋轉(zhuǎn)機(jī)械診斷方法而言,本征模函數(shù)就是指融合GA優(yōu)化算法的數(shù)字孿生模型函數(shù)表達(dá)式,時(shí)間尺度就是指主機(jī)元件診斷單一運(yùn)行數(shù)據(jù)樣本所需時(shí)長(zhǎng)[15]。單純從分解流程的角度來看,數(shù)據(jù)樣本模態(tài)的存在是為了避免所取樣運(yùn)行數(shù)據(jù)在既定節(jié)點(diǎn)處出現(xiàn)數(shù)值跳轉(zhuǎn)行為,從而使得最終診斷結(jié)果的真實(shí)性出現(xiàn)偏差。

        規(guī)定G表示基于石油機(jī)械設(shè)備運(yùn)行數(shù)據(jù)的樣本模態(tài)值,其定義式如下:

        (10)

        利用公式(10),推導(dǎo)描述性樣本模態(tài)分解表達(dá)式為:

        G′=ζ·G

        (11)

        ζ表示數(shù)據(jù)樣本分解尺度參數(shù)。ζ>0成立時(shí),表示數(shù)據(jù)樣本模態(tài)分解的行為方向?yàn)檎颍?jīng)過分解處理后,每一個(gè)石油旋轉(zhuǎn)機(jī)械運(yùn)行數(shù)據(jù)參量都能對(duì)應(yīng)一個(gè)與之相關(guān)的正向分解系數(shù);ζ<0成立時(shí),表示數(shù)據(jù)樣本模態(tài)分解的行為方向?yàn)樨?fù)向,經(jīng)過分解處理后,每一個(gè)石油旋轉(zhuǎn)機(jī)械運(yùn)行數(shù)據(jù)參量都能對(duì)應(yīng)一個(gè)與之相關(guān)的負(fù)向分解系數(shù)。

        2.3 核心診斷信息的重耦合

        診斷信息重耦合是指按照融合GA優(yōu)化算法的數(shù)字孿生模型,對(duì)石油選擇機(jī)械診斷過程中可能出現(xiàn)的信息參量進(jìn)行重新組合的處理行為。對(duì)于系統(tǒng)主機(jī)元件而言,其對(duì)于診斷條件的定義除了參考故障數(shù)據(jù)的取樣情況,還應(yīng)保證診斷信息之間的相互組合關(guān)系,特別是在故障表現(xiàn)行為較為類似的情況下,只要保證診斷信息組合關(guān)系的絕對(duì)準(zhǔn)確,才有可能獲得較為理想的診斷結(jié)果[16-17]。關(guān)于重耦合,也可以理解為重新定義,完成模態(tài)分解后描述性樣本的取值保持為固定狀態(tài),因此只要針對(duì)所得樣本參量進(jìn)行分別賦值,就可以保證重耦合計(jì)算結(jié)果的準(zhǔn)確性。

        對(duì)于核心診斷信息重耦合表達(dá)式的計(jì)算參考公式(12)。

        (12)

        2.4 超參數(shù)求解

        超參數(shù)指標(biāo)的選擇至關(guān)重要,直接影響計(jì)算機(jī)設(shè)備對(duì)石油旋轉(zhuǎn)機(jī)械的診斷能力。對(duì)于超參數(shù)指標(biāo)可以從批量歸一化、學(xué)習(xí)率、激活函數(shù)三個(gè)角度進(jìn)行理解。

        1)批量歸一化:由于必要診斷信息、非必要診斷信息之間存在對(duì)抗博弈關(guān)系,所以在求解超參數(shù)的過程中,必須在穩(wěn)固上一層數(shù)據(jù)樣本權(quán)重賦值的基礎(chǔ)上,才能對(duì)下一層數(shù)據(jù)樣本權(quán)重進(jìn)行計(jì)算,且處于準(zhǔn)確性考慮,在批量診斷機(jī)械故障數(shù)據(jù)時(shí),必須將每一個(gè)數(shù)據(jù)樣本的實(shí)際賦值都?xì)w于自然數(shù)“1”后,才能進(jìn)行后續(xù)計(jì)算[18]。

        2)學(xué)習(xí)率:學(xué)習(xí)率作為一項(xiàng)重要的參數(shù)指標(biāo),其取值影響主機(jī)元件對(duì)石油旋轉(zhuǎn)機(jī)械故障數(shù)據(jù)的賦值,特別是在求解超參數(shù)的過程中,由于數(shù)據(jù)樣本的自由化程度相對(duì)較高,所以為保證診斷結(jié)果的唯一性,要求兩類數(shù)據(jù)樣本的學(xué)習(xí)率水平必須保持不相等的數(shù)值狀態(tài)[19]。

        3)激活函數(shù):由于石油旋轉(zhuǎn)機(jī)械故障數(shù)據(jù)的排列保持線性狀態(tài),所以在求解超參數(shù)指標(biāo)時(shí),只能定義保持線性狀態(tài)的數(shù)值激活函數(shù)。

        在公式(12)的基礎(chǔ)上,推導(dǎo)超參數(shù)計(jì)算式為:

        (13)

        2.5 超參數(shù)樣本集中訓(xùn)練

        超參數(shù)樣本集中訓(xùn)練就是按照數(shù)字孿生模型,對(duì)超參數(shù)指標(biāo)取樣結(jié)果進(jìn)行的統(tǒng)一運(yùn)算處理。GA優(yōu)化算法規(guī)定,待訓(xùn)練的超參數(shù)樣本數(shù)量越多,主機(jī)元件所需處理的石油旋轉(zhuǎn)機(jī)械運(yùn)行數(shù)據(jù)對(duì)象就越多[20]。由于不同超參數(shù)指標(biāo)所對(duì)應(yīng)的診斷結(jié)果并不相同,所以在進(jìn)行集中訓(xùn)練運(yùn)算時(shí),只能針對(duì)一種類型的超參數(shù)指標(biāo)進(jìn)行取樣。

        設(shè)M表示超參數(shù)指標(biāo)的數(shù)值類項(xiàng)定義系數(shù),N表示依照數(shù)字孿生模型所定義的超參數(shù)指標(biāo)運(yùn)算參數(shù),m1、m2、…、mn分別表示n個(gè)不同的數(shù)據(jù)樣本訓(xùn)練指征,其取值恒屬于(0,+∞)的數(shù)值區(qū)間。在上述物理量的支持下,聯(lián)立公式(13),可將超參數(shù)樣本集中訓(xùn)練表達(dá)式定義為:

        (14)

        超參數(shù)樣本集中訓(xùn)練條件影響主機(jī)元件對(duì)石油旋轉(zhuǎn)機(jī)械的診斷能力,特別是在多種故障模態(tài)信號(hào)同時(shí)存在的情況下,保證超參數(shù)樣本集中訓(xùn)練的準(zhǔn)確性,才能得到較為理想的診斷結(jié)果。

        3 實(shí)驗(yàn)分析與研究

        本次實(shí)驗(yàn)選擇融合GA優(yōu)化算法的數(shù)字孿生模型的石油旋轉(zhuǎn)機(jī)械診斷方法、基于精細(xì)化改進(jìn)多尺度快速樣本熵的診斷方法、基于改進(jìn)殘差卷積自編碼網(wǎng)絡(luò)的故障診斷方法三組不同的技術(shù)手段進(jìn)行實(shí)驗(yàn),記錄在不同方法作用下,模態(tài)信號(hào)頻率檢測(cè)結(jié)果與真實(shí)模態(tài)信號(hào)頻率之間的數(shù)值符合情況。

        3.1 實(shí)驗(yàn)原理描述

        以MT-A202型號(hào)的檢測(cè)機(jī)臺(tái),作為實(shí)驗(yàn)診斷的裝置,首先將融合GA優(yōu)化算法的數(shù)字孿生模型的石油旋轉(zhuǎn)機(jī)械診斷方法的執(zhí)行程序輸入檢測(cè)主機(jī)之中,記錄在該方法作用下,故障行為模態(tài)信號(hào)頻率的檢測(cè)數(shù)值,所得結(jié)果為實(shí)驗(yàn)組變量;其次將基于精細(xì)化改進(jìn)多尺度快速樣本熵的診斷方法的執(zhí)行程序輸入檢測(cè)主機(jī)之中,記錄在該方法作用下,故障行為模態(tài)信號(hào)頻率的檢測(cè)數(shù)值,所得結(jié)果為對(duì)照1組變量;接著將基于改進(jìn)殘差卷積自編碼網(wǎng)絡(luò)的故障診斷方法的執(zhí)行程序輸入檢測(cè)主機(jī)之中,記錄在該方法作用下,故障行為模態(tài)信號(hào)頻率的檢測(cè)數(shù)值,所得結(jié)果為對(duì)照2組變量;然后將實(shí)驗(yàn)組、對(duì)照1組、對(duì)照2組模態(tài)信號(hào)頻率檢測(cè)頻率與真實(shí)模態(tài)信號(hào)頻率進(jìn)行對(duì)比;最后根據(jù)差值情況總結(jié)實(shí)驗(yàn)規(guī)律。存在故障行為的情況下,石油旋轉(zhuǎn)機(jī)械模態(tài)信號(hào)頻率水平可以用來描述故障行為所屬類別,且對(duì)于檢測(cè)主機(jī)而言,只有保證檢測(cè)頻率值與真實(shí)頻率區(qū)段的完全符合,才表示當(dāng)前所應(yīng)用方法的診斷結(jié)果具有可參考價(jià)值。

        應(yīng)用MT-A202檢測(cè)機(jī)臺(tái)對(duì)石油旋轉(zhuǎn)機(jī)械的故障模態(tài)信號(hào)頻率進(jìn)行測(cè)量。表1記錄了真實(shí)模態(tài)信號(hào)頻率的數(shù)值水平及其所屬的具體故障行為類別。

        表1 真實(shí)模態(tài)信號(hào)頻率分類

        根據(jù)表1可知,各類故障行為的模態(tài)信號(hào)頻率不存在相互重疊的情況,且每一類模態(tài)信號(hào)頻率的數(shù)值寬度水平并不相同,單從數(shù)值角度來看,第Ⅳ類故障行為模態(tài)信號(hào)頻率的數(shù)值寬度水平最大,第Ⅲ類故障故障行為模態(tài)信號(hào)頻率的數(shù)值寬度水平最小。

        3.2 步驟與數(shù)據(jù)處理

        選擇6個(gè)不同的故障模態(tài)信號(hào)作為實(shí)驗(yàn)對(duì)象,其數(shù)值編號(hào)與故障行為類別的對(duì)應(yīng)關(guān)系如下:1號(hào)實(shí)驗(yàn)對(duì)象——第Ⅱ類故障、2號(hào)實(shí)驗(yàn)對(duì)象——第Ⅵ類故障、3號(hào)實(shí)驗(yàn)對(duì)象——第Ⅰ類故障、4號(hào)實(shí)驗(yàn)對(duì)象——第Ⅴ類故障、5號(hào)實(shí)驗(yàn)對(duì)象——第Ⅱ類故障、6號(hào)實(shí)驗(yàn)對(duì)象——第Ⅰ類故障,分別應(yīng)用實(shí)驗(yàn)組、對(duì)照1組、對(duì)照2組方法對(duì)6個(gè)不同實(shí)驗(yàn)對(duì)象的故障模態(tài)信號(hào)頻率進(jìn)行診斷,具體實(shí)驗(yàn)情況如圖1所示。

        圖1 故障模態(tài)信號(hào)頻率實(shí)驗(yàn)數(shù)值

        實(shí)驗(yàn)組:1~6號(hào)故障模態(tài)信號(hào)頻率的診斷值分別為0.75 Hz、2.50 Hz、0.50 Hz、2.00 Hz、0.70 Hz、0.25 Hz,其所屬故障行為類別分別為第Ⅱ類故障、第Ⅵ類故障、第Ⅰ類故障、第Ⅴ類故障、第Ⅱ類故障、第Ⅰ類故障,與各個(gè)實(shí)驗(yàn)對(duì)象的真實(shí)故障情況相同。

        對(duì)照1組:1~6號(hào)故障模態(tài)信號(hào)頻率的診斷值分別為0.70 Hz、2.75 Hz、0.37 Hz、2.50 Hz、1.25 Hz、0.75 Hz,其所屬故障行為類別分別為第Ⅱ類故障、第Ⅵ類故障、第Ⅰ類故障、第Ⅵ類故障、第Ⅳ類故障、第Ⅱ類故障,第1號(hào)、第2號(hào)、第3號(hào)實(shí)驗(yàn)對(duì)象的故障診斷結(jié)果與真實(shí)情況相同,第4號(hào)、第5號(hào)、第6號(hào)實(shí)驗(yàn)對(duì)象的故障診斷結(jié)果與真實(shí)情況不同。

        對(duì)照2組:1~6號(hào)故障模態(tài)信號(hào)頻率的診斷值分別為0.75 Hz、2.25 Hz、1.25 Hz、2.25 Hz、1.50 Hz、1.00 Hz,其所屬故障行為類別分別為第Ⅱ類故障、第Ⅴ類故障、第Ⅳ類故障、第Ⅴ類故障、第Ⅳ類故障、第Ⅲ類故障,第1號(hào)、第4號(hào)實(shí)驗(yàn)對(duì)象的故障診斷結(jié)果與真實(shí)情況相同,第2號(hào)、第3號(hào)、第5號(hào)、第6號(hào)實(shí)驗(yàn)對(duì)象的故障診斷結(jié)果與真實(shí)情況不同。

        綜上可知本次實(shí)驗(yàn)結(jié)論為:基于精細(xì)化改進(jìn)多尺度快速樣本熵的診斷方法、基于改進(jìn)殘差卷積自編碼網(wǎng)絡(luò)的故障診斷方法的應(yīng)用能力有限,不能實(shí)現(xiàn)對(duì)石油旋轉(zhuǎn)機(jī)械故障模態(tài)信號(hào)頻率的精準(zhǔn)診斷;融合GA優(yōu)化算法的數(shù)字孿生模型的石油旋轉(zhuǎn)機(jī)械診斷方法的應(yīng)用,實(shí)現(xiàn)了對(duì)機(jī)械故障模態(tài)信號(hào)頻率的精準(zhǔn)診斷,能夠?qū)Ξ?dāng)前故障行為所屬類別進(jìn)行準(zhǔn)確定義,符合實(shí)際應(yīng)用需求。

        4 結(jié)束語(yǔ)

        新型石油旋轉(zhuǎn)機(jī)械診斷方法的設(shè)計(jì),在數(shù)字孿生模型的基礎(chǔ)上,按照GA優(yōu)化算法原則,對(duì)參數(shù)指標(biāo)進(jìn)行重新編碼,又通過聚類運(yùn)算的方式,完成對(duì)機(jī)械運(yùn)行數(shù)據(jù)的模塊化處理。相較于基于精細(xì)化改進(jìn)多尺度快速樣本熵的診斷方法、基于改進(jìn)殘差卷積自編碼網(wǎng)絡(luò)的故障診斷方法,這種新型診斷方法能夠準(zhǔn)確計(jì)算出運(yùn)行數(shù)據(jù)損失量的數(shù)值水平,可以在模態(tài)分解描述性樣本的同時(shí),求解超參數(shù)指標(biāo)的具體數(shù)值水平。實(shí)用性方面,該方法可以根據(jù)模態(tài)信號(hào)的頻率水平確定石油旋轉(zhuǎn)機(jī)械當(dāng)前故障行為所屬類別,切實(shí)實(shí)現(xiàn)了對(duì)機(jī)械設(shè)備故障行為的準(zhǔn)確診斷。

        猜你喜歡
        機(jī)械故障模態(tài)數(shù)值
        用固定數(shù)值計(jì)算
        基于HSMM的船舶機(jī)械故障演化預(yù)測(cè)模型
        數(shù)值大小比較“招招鮮”
        汽車機(jī)械故障原因及診斷探究
        汽車機(jī)械故障原因分析及其診斷探討
        基于Fluent的GTAW數(shù)值模擬
        焊接(2016年2期)2016-02-27 13:01:02
        國(guó)內(nèi)多模態(tài)教學(xué)研究回顧與展望
        基于HHT和Prony算法的電力系統(tǒng)低頻振蕩模態(tài)識(shí)別
        由單個(gè)模態(tài)構(gòu)造對(duì)稱簡(jiǎn)支梁的抗彎剛度
        GA-VPMCD方法及其在機(jī)械故障智能診斷中的應(yīng)用
        蜜桃av噜噜噜一区二区三区| 亚洲色欲色欲大片WWW无码| 亚洲精品无码久久久| 日本亚洲视频一区二区三区| 日本一区二区高清视频在线播放| 五月综合高清综合网| 亚洲一区二区三区无码国产| 麻豆国产精品久久人妻| 国产一区二区三区男人吃奶| 偷拍自拍一区二区三区| 免费成人福利视频| 亚洲国产av导航第一福利网| 人妻少妇久久久久久97人妻| 蜜臀av毛片一区二区三区| 国产盗摄一区二区三区av| 亚洲欧洲日产国码无码| 国产日韩网站| 午夜成人理论无码电影在线播放 | 少妇愉情理伦片高潮日本| 少妇性俱乐部纵欲狂欢少妇| 免费人成网站在线观看| 国产精品亚洲美女av网站| 亚洲成人av一区二区三区| 色婷婷资源网| 亚洲日韩精品国产一区二区三区| 日韩人妻无码精品-专区| 日韩av无码精品一二三区| 婷婷五月六月激情综合色中文字幕| 国产成人精品人人做人人爽97 | 亚洲国产精品国自拍av| 丰满少妇又爽又紧又丰满动态视频 | 蕾丝女同一区二区三区| 人妻少妇精品视频中文字幕国语| 久久久综合九色合综国产| 欧美自拍区| 国产精品午睡沙发系列| 亚洲av永久无码精品国产精品| 国产成人无码av一区二区| 国产精品无码久久综合网| 国产乡下妇女做爰| 国精产品一区一区二区三区mba|