本發(fā)明涉及無人裝備狀態(tài)監(jiān)測和評估。
背景技術(shù)：
1、近些年來，隨著智能化、自動化技術(shù)的發(fā)展，無人裝備在各種領(lǐng)域得到了廣泛應(yīng)用，由此對于無人裝備板級電路的狀態(tài)監(jiān)測也越來越重要，傳統(tǒng)的狀態(tài)監(jiān)測依賴單一傳感器(如僅電壓信號監(jiān)測)，無法捕獲多物理場的耦合故障，基于閾值告警的方法誤報率高，無法識別早期隱性故障，現(xiàn)有的網(wǎng)絡(luò)模型對時空特征聯(lián)合提取能力不足，因此，以上問題亟需解決。
技術(shù)實現(xiàn)思路
1、本發(fā)明目的是為了解決現(xiàn)有的無人裝備狀態(tài)監(jiān)測方法無法識別早期隱性故障、以及現(xiàn)有的網(wǎng)絡(luò)模型對時空特征聯(lián)合提取能力不足的問題，本發(fā)明提供了一種基于多傳感的無人裝備板級電路狀態(tài)監(jiān)測與定位方法。
2、基于多傳感的無人裝備板級電路狀態(tài)監(jiān)測與定位方法，該方法包括：
3、s1、對板級電路進(jìn)行板級故障注入仿真，采集各采樣時刻下的板級電路的待測節(jié)點的電壓信號、電流信號和溫度信號、以及板級電路的機(jī)械振動信號和電機(jī)轉(zhuǎn)速信號，并將其各采樣時刻下的所有信號作為一個訓(xùn)練樣本，其中，各待測節(jié)點采集信號的信號各不相同，電壓信號、電流信號、溫度信號、機(jī)械振動信號和電機(jī)轉(zhuǎn)速信號均作為監(jiān)測目標(biāo)；
4、待測節(jié)點的電壓信號為板級電路電源模塊的輸出電壓信號；
5、待測節(jié)點的電流信號為板級電路的功率回路的電流信號；
6、待測節(jié)點的溫度信號為板級電路中功率器件散熱面的溫度信號；
7、將各訓(xùn)練樣本所對應(yīng)時刻下對所有監(jiān)測目標(biāo)注入的故障狀態(tài)作為標(biāo)簽，且故障狀態(tài)為有故障、臨界故障或無故障；
8、s2、對各訓(xùn)練樣本進(jìn)行預(yù)處理，得到多維特征數(shù)據(jù)；
9、s3、構(gòu)建cnn-lstm模型，利用各訓(xùn)練樣本對cnn-lstm模型進(jìn)行訓(xùn)練，cnn-lstm模型根據(jù)接收的各訓(xùn)練樣本，進(jìn)行故障狀態(tài)預(yù)測；
10、s4、將當(dāng)前時刻采集的板級電路的電壓信號、電流信號、溫度信號、機(jī)械振動信號和電機(jī)轉(zhuǎn)速信號進(jìn)行預(yù)處理，得到的多維特征數(shù)據(jù)作為訓(xùn)練后的cnn-lstm模型的輸入，從而預(yù)測出各監(jiān)測目標(biāo)的故障狀態(tài)，實現(xiàn)板級電路的故障監(jiān)測與定位。
11、優(yōu)選的是，多維特征數(shù)據(jù)包括電壓信號的峭度和fft譜峰密度spd、電流信號的總諧波畸變率thd和邊帶能量比sber、溫度信號的升溫速率和波動方差、機(jī)械振動信號的振動峭度和波形因子、以及轉(zhuǎn)速信號的波動率和脈沖丟失率。
12、優(yōu)選的是，對各訓(xùn)練樣本進(jìn)行預(yù)處理，得到多維特征數(shù)據(jù)的實現(xiàn)方式包括：
13、對電壓信號依次進(jìn)行中值濾波、z-score標(biāo)準(zhǔn)化后，進(jìn)行峭度計算和fft計算，得到電壓信號的峭度和fft譜峰密度spd；
14、對電流信號依次進(jìn)行中值濾波、z-score標(biāo)準(zhǔn)化后，進(jìn)行總諧波畸變率計算和邊帶能量比計算，得到電流信號的總諧波畸變率thd和邊帶能量比sber；
15、對溫度信號做滑動平均濾波處理后，進(jìn)行速率計算和方差計算，得到溫度信號的升溫速率和波動方差；
16、對機(jī)械振動信號依次進(jìn)行中值濾波、z-score標(biāo)準(zhǔn)化后，進(jìn)行峭度計算和波形因子計算，得到機(jī)械振動信號的振動峭度和波形因子；
17、對轉(zhuǎn)速信號做滑動平均濾波處理后，進(jìn)行波動率和脈沖丟失率計算，得到轉(zhuǎn)速信號的波動率和脈沖丟失率。
18、優(yōu)選的是，cnn-lstm模型由依次級聯(lián)的cnn和雙向lstm實現(xiàn)；
19、cnn用于對接收的多維特征數(shù)據(jù)依次進(jìn)行卷積、激活、池化處理后，提取局部特征、并融合，得到融合后的時序特征向量序列；
20、雙向lstm用于對接收到的融合后的時序特征向量序列，進(jìn)行雙向時序建模與特征融合處理，得到故障狀態(tài)分類結(jié)果。
21、優(yōu)選的是，cnn包括3個支路、且3路并行處理；
22、第一支路用于對多維特征數(shù)據(jù)中的電壓信號的峭度和fft譜峰密度spd均依次進(jìn)行卷積、激活和池化處理；
23、第二支路用于對多維特征數(shù)據(jù)中的電流信號的總諧波畸變率thd和邊帶能量比sber均依次進(jìn)行卷積、激活和池化處理；
24、第三支路用于對多維特征數(shù)據(jù)中的溫度信號的升溫速率和波動方差、機(jī)械振動信號的振動峭度和波形因子、以及轉(zhuǎn)速信號的波動率和脈沖丟失率均依次進(jìn)行卷積、激活和池化處理；
25、對3個支路輸出的時序特征向量序列進(jìn)行通道維度拼接，得到融合后的時序特征向量序列。
26、優(yōu)選的是，第一支路中卷積核數(shù)為16，卷積核大小為3，采用relu函數(shù)激活，池化操作為最大池化、且最大池化的尺寸為2、步長為1；
27、第二支路中卷積核數(shù)為16，卷積核大小為3，采用relu函數(shù)激活，池化操作為平均池化、且平均池化的尺寸為2、步長為2；
28、第三支路中卷積核數(shù)為32，卷積核大小為5，采用relu函數(shù)激活，池化操作為最大池化、且最大池化的尺寸為2、步長為2。
29、本發(fā)明的優(yōu)點：
30、本發(fā)明所述的基于多傳感的無人裝備板級電路狀態(tài)監(jiān)測與定位方法，具體通過多源異構(gòu)傳感數(shù)據(jù)的深度融合與智能建模，構(gòu)建了兼具多維感知精度與動態(tài)演化解析能力的板級電路狀態(tài)監(jiān)測體系其創(chuàng)新的融合了電壓、電流、溫度等電氣參數(shù)與振動、轉(zhuǎn)速等機(jī)械信號，不僅突破了傳統(tǒng)的單維度監(jiān)測的感知盲區(qū)，而且通過故障注入仿真生成了涵蓋臨界狀態(tài)的精細(xì)化數(shù)據(jù)集，為模型提供逼近真實故障演變規(guī)律的訓(xùn)練環(huán)境；在此基礎(chǔ)上，構(gòu)建cnn-lstm模型通過卷積捕捉電壓瞬態(tài)畸變、電流高頻紋波等局部特征，結(jié)合長短期記憶網(wǎng)絡(luò)解析溫度緩變漂移、振動譜時變特性等長程關(guān)聯(lián)，實現(xiàn)時空耦合故障模式的精準(zhǔn)解耦；此外，三分類預(yù)警機(jī)制與板級定位策略的協(xié)同設(shè)計，既能在器件級預(yù)判臨界失效風(fēng)險，又可從系統(tǒng)視角解析復(fù)合故障的因果鏈路，為無人裝備板級電路狀態(tài)監(jiān)測提供了一個完美的解決方案。設(shè)置臨界故障，其臨界故障處于有故障和無故障之間，當(dāng)出現(xiàn)故障或即將出現(xiàn)故障時立刻發(fā)出故障預(yù)警信號，從而實現(xiàn)對無人裝備的運(yùn)行狀態(tài)監(jiān)測及故障預(yù)警。
31、本發(fā)明采用深度學(xué)習(xí)的方法對無人裝備的板級電路狀態(tài)進(jìn)行評估、判斷和預(yù)測，實時處理采集到的數(shù)據(jù)信息，及時發(fā)現(xiàn)運(yùn)行狀態(tài)異常情況，進(jìn)一步的，通過模型預(yù)測能力，可以在無人裝備出現(xiàn)故障前發(fā)現(xiàn)異常，并可及時發(fā)出預(yù)警信號，告知管理人員提前進(jìn)行維護(hù)；
32、本發(fā)明構(gòu)建的深度學(xué)習(xí)模型具有較強(qiáng)的通用性，也即：cnn-lstm模型，可以根據(jù)無人裝備最新狀態(tài)以及采集到的新數(shù)據(jù)不斷優(yōu)化和調(diào)整模型參數(shù)，及時適應(yīng)無人裝備的狀態(tài)變化。
1.基于多傳感的無人裝備板級電路狀態(tài)監(jiān)測與定位方法，其特征在于，該方法包括：
2.根據(jù)權(quán)利要求1所述的基于多傳感的無人裝備板級電路狀態(tài)監(jiān)測與定位方法，其特征在于，多維特征數(shù)據(jù)包括電壓信號的峭度和fft譜峰密度spd、電流信號的總諧波畸變率thd和邊帶能量比sber、溫度信號的升溫速率和波動方差、機(jī)械振動信號的振動峭度和波形因子、以及轉(zhuǎn)速信號的波動率和脈沖丟失率。
3.根據(jù)權(quán)利要求1所述的基于多傳感的無人裝備板級電路狀態(tài)監(jiān)測與定位方法，其特征在于，對各訓(xùn)練樣本進(jìn)行預(yù)處理，得到多維特征數(shù)據(jù)的實現(xiàn)方式包括：
4.根據(jù)權(quán)利要求2所述的基于多傳感的無人裝備板級電路狀態(tài)監(jiān)測與定位方法，其特征在于，cnn-lstm模型由依次級聯(lián)的cnn和雙向lstm實現(xiàn)；
5.根據(jù)權(quán)利要求4所述的基于多傳感的無人裝備板級電路狀態(tài)監(jiān)測與定位方法，其特征在于，cnn包括3個支路、且3路并行處理；
6.根據(jù)權(quán)利要求5所述的基于多傳感的無人裝備板級電路狀態(tài)監(jiān)測與定位方法，其特征在于，第一支路中卷積核數(shù)為16，卷積核大小為3，采用relu函數(shù)激活，池化操作為最大池化、且最大池化的尺寸為2、步長為1；