本发明涉及故障状态诊断,尤其是一种故障状态诊断与多源数据关联融合分析系统。
背景技术:
1、在我国快速发展的工业化进程中,工厂中存在着正在运转的机器,如果每一台机器都需要固定的人员去检测将非常地耗时耗力得不偿失。在现有技术中故障状态检测主要通过对机器运作视频或者照片拍摄分析,但是由于一张照片或者一个视频受其他因素影响的可能性大,并不能完全确保故障状态检测的正确性,因此本领域技术人员提出来一种故障状态诊断与多源数据关联融合分析系统,弥补了单张照片所带来的片面性导致判断失误造成的损失。
技术实现思路
1、本发明的目的是通过提出一种故障状态诊断与多源数据关联融合分析系统,以解决上述背景技术中提出的缺陷。
2、本发明采用的技术方案如下:
3、提供一种故障状态诊断与多源数据关联融合分析系统,包括:
4、采集模块:用于通过人员输入的机器故障图像检测;
5、融合模块:用于根据采集模块采集的数据进行数据融合;
6、识别模块:用于根据融合模块所融合的特征进行数据库比较和识别分类,同时通过故障视频识别算法进行故障判断;
7、控制中心:用于接受各模块的信息和机器故障状态。
8、作为本发明的一种优选技术方案:所述采集模块中的机器故障图像包括静态机器故障图像,同时也包括机器运行时的故障视频。
9、作为本发明的一种优选技术方案:所述融合模块将所采集的一个机器的多个故障图像进行数据特征融合。
10、作为本发明的一种优选技术方案:所述融合模块中基于深度神经网络,在进行正式的融合之前要对数据进行预处理挑出误差较大的数据,将误差较大的数据删除:
11、
12、其中σ2为方差,x为输入的向量,为均值向量,p为向量总数,xi表示对应的第i个向量,如果则认定为误差数据直接删除。
13、作为本发明的一种优选技术方案:所述采集模块的监测装置为摄像头;所述摄像头用于根据机器运作异常时进行拍摄或者录像。
14、作为本发明的一种优选技术方案:所述识别模块中通过卷积神经网络对机器故障图像进行训练和识别。
15、作为本发明的一种优选技术方案:所述融合模块中,基于卷积神经网络的数据特征融合:
16、其中卷积层的前向传播公式为:
17、
18、其中x为卷积层的输入,y为卷积层的输出,ω表示卷积层的加权矩阵,其中假设加权矩阵为2*2;
19、损失函数:
20、
21、其中为预测值,为真实值;
22、卷积层的反向传播公式:
23、
24、其中表示损失函数对卷积核求偏导,表示损失函数对输出值求偏导,输出值对权重求偏导,i表示卷积后对应的位置为i,ω为权重。
25、作为本发明的一种优选技术方案:使用随机森林算法对图像进行分类,利用多棵决策树k1,k2,k3...kn从训练集m中随机抽取m(m<m)个作为当前内部节点的分裂特征集,选择对应基尼值(gini)最小的特征作为分裂特征,每棵树都生长到底,不进行剪枝操作,特征a对应的基尼值计算公式为:
26、
27、
28、其中d是一个数据集,i为对应的决策树是第i个决策树,di是测试集,v是数据集中特征a的可能个数,p为训练集,每个决策树都会产生一个属于自己的预测值最后通过统计谁的得分最多就是所属类别。
29、本发明提供的故障状态诊断与多源数据关联融合分析系统,与现有技术相比,其有益效果有:
30、本发明通过监测装置采集一个机器运转时不同方向不同角度不同曝光度下的照片,并且对照片进行数据特征融合,对于存在问题的机器进行反馈从而提高反馈的正确性和机器运作的安全性,保证了企业的效益。
1.一种故障状态诊断与多源数据关联融合分析系统,其特征在于:包括:
2.根据权利要求1所述的故障状态诊断与多源数据关联融合分析系统,其特征在于:所述采集模块(100)中的机器故障图像包括静态机器故障图像,同时也包括机器运行时的故障视频。
3.根据权利要求2所述的故障状态诊断与多源数据关联融合分析系统,其特征在于:所述采集模块(100)的监测装置为摄像头;所述摄像头用于根据机器运作异常时进行拍摄或者录像。
4.根据权利要求1所述的故障状态诊断与多源数据关联融合分析系统,其特征在于:所述识别模块(300)中通过卷积神经网络对机器故障图像进行训练和识别。
5.根据权利要求4所述的故障状态诊断与多源数据关联融合分析系统,其特征在于:将融合模块(200)所融合的图片进行输出,作为识别模块(300)的输入。
6.根据权利要求5所述的故障状态诊断与多源数据关联融合分析系统,其特征在于:使用随机森林算法对图像进行分类,利用多棵决策树k1,k2,k3...kn从训练集m中随机抽取m(m<m)个作为当前内部节点的分裂特征集,选择对应基尼值(gini)最小的特征作为分裂特征,每棵树都生长到底,不进行剪枝操作,特征a对应的基尼值计算公式为:
7.根据权利要求1所述的故障状态诊断与多源数据关联融合分析系统,其特征在于:所述将融合模块(200)所融合的图像作为输入向量,输入到识别模块(300)识别机器可能出现的故障并反馈给控制中心(400)最后回馈给使用人员。