(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 202210940876.9 (22)申请日 2022.08.07 (71)申请人 北京华能新锐控制技 术有限公司 地址 102200 北京市昌平区北七家未来科 技城南区华能人才创新创业基地 实验 楼B座 (72)发明人 曾卫东　杨政厚　韩健　陈兆圣　 刘扬　许庆现　 (74)专利代理 机构 北京华锐创新知识产权代理 有限公司 1 1925 专利代理师 王雷波 (51)Int.Cl. G06K 9/00(2022.01) G06K 9/62(2022.01) G06N 3/04(2006.01)G06N 3/08(2006.01) G06F 17/16(2006.01) F03D 17/00(2016.01) G01D 21/02(2006.01) (54)发明名称 基于数据驱动 的海上风机故障诊断系统及 其诊断方法 (57)摘要 本申请涉及海 上故障的智能检测领域， 其具 体地公开了一种基于数据驱动的海上风机故障 诊断系统及其诊断方法， 其通过采用人工智能的 检测技术， 使用深度神经网络模 型来作为特征提 取器， 以发电机的首尾两端的振动信号的差异与 其转速之间的关联模型来进行海上风机的故障 诊断检测。 这样， 能够保障所述海上风机故障维 护的及时性和有效性， 以保证所述海 上风机的正 常运行。 权利要求书4页 说明书18页 附图3页 CN 115526202 A 2022.12.27 CN 115526202 A 1.一种基于数据驱动的海上风机故障诊断系统， 其特 征在于， 包括： 振动数据采集模块， 用于获取由部署于发电机的首端和尾端的第 一和第二振动传感器 采集的预定时间段内的第一振动信号和第二振动信号； 域转化模块， 用于使用格拉姆角场原 理将所述第 一振动信号和所述第 二振动信号转化 为第一振动格拉姆角和场图像和第二振动格拉姆角和场图像； 空间注意力编码模块， 用于将所述第 一和第二振动格拉姆角和场图像分别通过使用空 间注意力机制的第一卷积神经网络以得到第一振动特 征矩阵和第二振动特 征矩阵； 振动转移模块， 用于计算所述第 一振动特征矩阵相对于所述第 二振动特征矩阵的振动 转移矩阵； 特征值校正模块， 用于对所述振动转移矩阵中各个位置的特征值进行校正以得到校正 后振动转移 矩阵； 转速数据采集模块， 用于获取由转移测量仪采集的所述发电机在所述预定时间段内多 个预定时间点的转速值； 转速数据编码模块， 用于将所述预定时间段内多个预定时间点的转速值通过包含一维 卷积层的时序编码器以得到转速特 征向量； 特征融合模块， 用于融合所述转速特征向量和所述校正后振动转移矩阵以得到分类特 征向量； 以及 故障诊断结果生成模块， 用于将所述分类特征向量通过分类器以得到分类结果， 所述 分类结果用于表示海上风机是否存在故障。 2.根据权利要求1所述的基于数据驱动的海上风机故障诊断系统， 其特征在于， 所述空 间注意力编码模块， 进一步用于： 所述第一卷积神经网络的各层在层的正向传递过程中对 输入数据分别进行： 对输入数据进行 卷积处理以生成卷积特 征图； 对所述卷积特 征图进行池化处 理以生成池化特 征图； 对所述池化特 征图进行非线性激活以生成激活特 征图； 计算所述激活特 征图的各个位置沿通道维度的均值以生成空间特 征矩阵； 计算所述空间特 征矩阵中各个位置的类Softmax函数值以获得空间得分矩阵； 以及 计算所述空间特 征矩阵和所述空间得分图的按位置点乘以获得 特征矩阵； 其中， 所述第 一卷积神经网络的最后 一层输出的所述特征矩阵为所述第 一振动特征矩 阵和第二振动特 征矩阵。 3.根据权利要求2所述的基于数据驱动的海上风机故障诊断系统， 其特征在于， 所述振 动转移模块， 进一步用于： 以如下公式计算所述第一振动特征矩阵相对于所述第二振动特 征矩阵的所述振动转移 矩阵； 其中， 所述公式为： S=T*F 其中F表示所述第一振动特征矩阵， T表示所述振动转移矩阵， S表示所述第二振动特征 矩阵。 4.根据权利要求3所述的基于数据驱动的海上风机故障诊断系统， 其特征在于， 所述特 征值校正模块， 包括：权　利　要　求　书 1/4 页 2 CN 115526202 A 2自关联编码单元， 用于计算所述振动 转移矩阵与 所述振动 转移矩阵的转置矩阵之间的 乘积以得到自关联 特征矩阵； 特征值压缩单元， 用于对所述自关联特征矩阵中各个位置的特征值进行开方以得到自 关联压缩特征矩阵， 并以所述自关联压缩特征矩阵中各个位置的特征值分别除以所述自关 联压缩特 征矩阵的行 数与列数的乘积以得到维度压缩自关联压缩特 征矩阵； 第一卷积单元， 用于对所述振动转移矩阵进行卷积编码以得到第一卷积振动转移矩 阵； 融合单元， 用于计算所述第 一卷积振动 转移矩阵和所述维度压缩自关联压缩特征矩阵 的按位置加 和值以得到融合特 征矩阵； 第二卷积单 元， 用于对所述融合特 征矩阵进行 卷积编码以得到多尺度特 征矩阵； 位置信息编码单元， 用于将所述振动 转移矩阵的坐标张量中各个位置的二维位置坐标 转化为一维数值以得到位置特 征矩阵； 以及 再融合单元， 用于计算所述位置特征矩阵和所述多尺度 特征矩阵的按位置点乘以得到 所述校正后振动转移 矩阵。 5.根据权利要求4所述的基于数据驱动的海上风机故障诊断系统， 其特征在于， 所述特 征值压缩单元， 进一步用于： 以如下公式对所述自关联特征矩阵中各个位置的特征值进行 开方以得到所述自关联压缩特征矩阵， 并以所述自关联压缩特征矩阵中各个位置的特征值 分别除以所述自关联压缩特征矩阵的行数与列数的乘积以得到所述维度压缩自关联压缩 特征矩阵； 其中， 所述公式为： 其中 表示所述振动转移矩阵， 表示所述维度压缩自关联压缩特征矩阵， 表示矩 阵点乘， 表示矩阵乘法， 表示对矩阵的每个位置的值开方， 且 为矩阵的行数乘以列 数。 6.根据权利要求5所述的基于数据驱动的海上风机故障诊断系统， 其特征在于， 所述位 置信息编码单元， 进一步用于： 以如下公式将所述振动转移矩阵的坐标张量中各个位置的 二维位置坐标转 化为一维数值以得到所述 位置特征矩阵； 其中， 所述公式为： 其中 表示所述振动转移矩阵， 表示所述位置特征矩阵， ， 用于将二维位 置坐标映射 为一维数值， 表示矩阵 的 坐标张量。 7.根据权利要求6所述的基于数据驱动的海上风机故障诊断系统， 其特征在于， 所述转权　利　要　求　书 2/4 页 3 CN 115526202 A 3