基于多电流特征形态组合模式挖掘的层冷辊电机故障诊断

摘要

针对人工点检层冷辊电机存在过度维修和故障漏报的问题,本文提出一种基于多电流特征形态组合模式挖掘的故障诊断方法.该方法选取与故障相关的六种关键电流特征,计算各特征的上下分位数形成边界,采用Bayes-L-BFGS(Bayes Limited-memory Broyden-Fletcher-Goldfarb-Shanno)算法自动拟合出各特征的边界形态;针对形态样本少的问题,本文提出一种用于形态识别的SCNN(Spetial Convolutional Neural Network)-Transformer模型.通过训练Siamese-CNN准确识别边界形态,并训练Transformer识别边界时序关系与形态变化程度,融合两个模型的识别结果确定边界形态类型;以边界形态类型作为基因片段,采用遗传算法挖掘出不同故障对应的多电流特征形态组合模式,形成用于故障类型匹配的形态组合模式库.在某钢厂层冷辊电机上对本文方法进行在线验证,准确率超过90%,无关键故障漏报与误报.