(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211297701.7 (22)申请日 2022.10.22 (71)申请人 温州大学 地址 325000 浙江省温州市瓯海区东方南 路38号温州市国家大 学科技园孵化器 (72)发明人 廖湘渝　司泽田　向家伟　郭建春　 丁张成　 (74)专利代理 机构 温州名创知识产权代理有限 公司 33258 专利代理师 陈加利 (51)Int.Cl. G06K 9/00(2022.01) G06K 9/62(2022.01) G06N 3/08(2006.01) G01M 13/00(2019.01)G01M 13/028(2019.01) G01M 13/045(2019.01) F04C 28/28(2006.01) (54)发明名称 一种罗茨式压缩机的自适应故障诊断方法 及系统 (57)摘要 本发明提供一种罗茨式压缩机的自适应故 障诊断方法， 包括获取罗茨式压缩机上所传递过 来的待测振动信号； 对待测振动信号进行消噪以 及变换处理； 将处理后的待测振动信号导入已训 练好的罗茨 式压缩机故障诊断模 型中， 得到相应 的诊断结果； 其中， 罗茨式压缩机故障诊断模型 是基于注 意力域自适应网络构建出来的， 且该模 型是通过故障类别完整的原域样本和故障类别 不完整的目标域样本同时输入进行训练得到的， 原域样本和目标域样本分别来自于罗茨式压缩 机不同工况下的振动信号。 实施本发明， 能够解 决现有基于迁移学习的方法因训练样本类别缺 失所带来的诊断结果有误的问题， 提高了诊断精 度。 权利要求书4页 说明书10页 附图2页 CN 115526209 A 2022.12.27 CN 115526209 A 1.一种罗茨式压缩机的自适应故障诊断方法， 其特 征在于， 所述方法包括以下步骤： 获取罗茨式压缩机上 所传递过来的待测振动信号； 基于预设的自适应辛几何模态分解算法与 预设的小波散射变换法， 对所述待测振动信 号进行消噪以及变换处 理； 将消噪以及变换处理后的待测振动信号导入已训练好的罗茨式压缩机故障诊断模型 中， 得到所述待测振动信号的诊断结果； 其中， 所述诊断结果为正常、 轴承内圈故障、 轴承外 圈故障、 轴承滚动体故障、 齿轮故障以及叶轮故障之其中一种； 所述罗茨式压缩机故障诊断 模型是基于注意力域自适应网络构建出来的， 并通过故障类别完整的原 域样本和故障类别 不完整的目标域样本同时输入进行训练得到的； 所述原域样本是 由罗茨式压缩机A工况下 有标签且故障类别完整的多个振动信号经所述自适应辛几何模态分解算法与所述小波散 射变换法进行消噪以及变换处理后所形成的； 所述 目标域样本是 由罗茨式压缩机B工况下 有标签但故障类别不完整的多个振动信号经所述自适应辛几何模态分解算法与所述小波 散射变换法进行消噪以及变换处 理后所形成的。 2.如权利要求1所述的罗茨式压缩机的自适应故障诊断方法， 其特征在于， 所述自适应 辛几何模态分解 算法的执 行步骤如下： 第一步、 假设当前待消噪的振动信号 为a＝{a1,a2,…,an}； 其中， n表示 为信号a的长度； 那么， 定义信号a的轨 迹矩阵A， 如下式(1)所示： 其中， k表示为嵌入维度； 嵌入维度k是通过计算信号a的功率谱密度并估计最大峰值的 频率得到的； 其中， 若归一化 频率小于给定阈值， 则k＝n/3， 否则， k＝1.2 ×(fs/fmax)； fs表示 为采样频率， fmax表示为信号a的功率谱密度的最大峰值的频率； τ表示为延迟时间； m＝n ‑ (k‑1)τ； 第二步、 根据公式(2)， 构建哈密顿矩阵B： 其中， C＝ATA； 第三步、 令D＝B2， 根据哈密顿矩阵的定义， D和B都是哈密顿矩阵， 然后构造一个辛正交 矩阵E， 如下式(3)所示： 其中， 矩阵E表示为具有辛矩阵性质的正交辛矩阵； F表示为上三角矩阵， 且上三角矩阵 F的特征值表示 为 λi(i＝1,2,…,k)； fij＝0(i>j+1)； 第四步、 若矩阵C是实对称矩阵， 那么C的特征值等于上三角矩阵F的特征值； 由哈密顿 矩阵性质可知， C的特征值为 矩阵C的特征值可以表示为β1>β2>…> βk；权　利　要　求　书 1/4 页 2 CN 115526209 A 2令Pi(i＝1,2, …,k)为矩阵C的特征向量， 令Pi(i＝1,2, …,k)为矩阵C的特征向量， 以及 令Si＝PiTAT且Zi＝PiSi， 那么初始重建轨 迹矩阵Z定义如下： Z＝Z1+Z2+…+Zk (4)； 第五步、 由于初始重构轨迹矩阵Z为m ×k矩阵， 因此需要通过对角平均将其转化为长度 为n的k个初始辛几何分量Yi(i＝1,2,…,k)： 任意Z的元素定义为zij， 其中， 1≤i≤k， 1≤j≤m， k*＝min(m,k)， m*＝max(m,k)， n＝m+ (k‑1)τ； 如果m<k， 令 zij*＝zij； 否则， 令 zij*＝zji； 因此， 对角线平均的过程如下式(5)所示： 通过处理初始重建轨迹矩阵Z， 得到k个初始辛几何分量Yi(y1,y2,…,yn)， 如下式(6)所 示： Y＝Y1+Y2+…+Yk (6)； 第六步、 计算初始辛几何分量Yi的循环峰度熵， 得到CKE1,CKE2,…,CKEk， 并构造权重函 数， 通过下式(7)计算每 个初始辛几何分量Yi对应的权 重值Li； 其中， CKEmean表示为CKE的平均值； i ＝1,2,…,k； 第七步、 最终的降噪信号M可以通过下式(8)得到： 3.如权利要求2所述的罗茨式压缩机的自适应故障诊断方法， 其特征在于， 所述初始辛 几何分量Yi的循环峰度熵的计算过程如下： 给定一个长度为n的信号b＝{b1,b2,…,bn}， 那么定义周期峰度(CK)可以表示如下式 (9)所示： 其中， RSE表示为平方包络信号SE(b)的自相关函数， 且SE(b)＝|b|2＝|b+jHilber(b) |2， Hilbert表示为希尔伯特变换； Ra(0)为延迟系数为0时信号b的自相关函数值， 且Rb( τ )＝ E[b(ni)b(ni+τ )]； hT(h＝1,2, …,n)表示为延迟系数； 通过下式(10)， 计算任意延迟系数的CK值， 并通过下式(11)， 得到循环峰度熵可以表示 为：权　利　要　求　书 2/4 页 3 CN 115526209 A 3