(19)中华 人民共和国 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 202111212542.1 (22)申请日 2021.10.19 (71)申请人 北京电子 工程总体 研究所 地址 100854 北京市海淀区永定路5 0号 (72)发明人 陶小创　樊焕贞　崔博文　原艳斌　 (74)专利代理 机构 北京正理专利代理有限公司 11257 代理人 白淑贤 (51)Int.Cl. G06Q 10/06(2012.01) G06K 9/62(2022.01) G06K 9/00(2022.01) G06F 30/27(2020.01) (54)发明名称 一种基于EMD-SOM的健康评估与故障诊断方 法及系统 (57)摘要 本发明实施例公开一种基于EMD ‑SOM的健康 评估与故障诊断方法、 系统及计算机设备， 所述 方法包括： 获取至少一台机械设备全生命周期的 监测数据， 并对 所述监测数据进行预处理以得到 测试集和训练集； 对所述训练集和测试集中的数 据进行经验模态分解 以得到能量特征向量作为 训练样本数据和测试样本数据； 将所述训练样本 数据作为输入训练所述SOM待训练模型以得到 SOM模型， 并基于 所述SOM模型得到测试样本数据 的最小量化误差； 对所述最小量化误差进行归一 化处理得到CV值， 基于 所述CV值进行所述机械设 备的故障预警。 权利要求书2页 说明书9页 附图2页 CN 114154779 A 2022.03.08 CN 114154779 A 1.一种基于 EMD‑SOM的健康评估与故障诊断方法， 其特 征在于， 包括： 获取至少一台机械设备全生命周期的监测数据， 并对所述监测数据进行预处理以得到 测试集和训练集； 对所述训练集和测试集中的数据进行经验模态分解以得到能量特征向量作为训练样 本数据和 测试样本数据； 将所述训练样本数据作为输入训练所述SOM待训练模型以得到SOM模型， 并基于所述 SOM模型得到测试样本数据的最小量 化误差； 对所述最小量化误差进行归一化处理得到CV值， 基于所述CV值进行所述机械设备的故 障预警。 2.根据权利要求1所述的方法， 其特 征在于， 所述获取至少一台机械设备全生命周期的监测数据， 并对所述监测数据进行预处理得 到测试集和训练集包括： 采集至少一台机械设备的正常工作状态和各类故障工作状态的振动信号， 将部分所述 正常工作状态下的振动信号作为训练集， 将剩余部 分的所述正常工作状态和各类故障工作 状态下的振动信号作为测试集。 3.根据权利要求2所述的方法， 其特 征在于， 所述对所述训练集中的数据进行经验模态分解以得到能量特征向量作为训练样本数 据包括： 分别对所述训练集中的每组振动信号X(t)进行经验模态分解获得一组包含不同频率 成分的IMF分量ci(t)， i＝1,2,L,n； 选取包含主要能量特征的前p个IMF分量ck(t)， k＝1,2,L,p， p＝n*δ， n表示IMF分量的个 数， δ表示预设占比， 并利用式(1)计算各个IMF分量的能量Eck， k＝1,2,L,p： 其中， ckj表示第k个IMF分量的第j个离散点的幅值， k＝1,2,L,p， j＝1,2,L,l， l表示信 号长度； 利用式(2)以能量 为元素得到归一 化的能量特 征向量T： T＝[Ec1/E,Ec2/E,L,Ecp/E]      (2) 其中， Ec1,Ec2,L,Ecp分别代表p个IMF分量的能量， 4.根据权利要求1所述的方法， 其特 征在于， 所述训练样本数据输入SOM待训练模型得到SOM模型， 并基于所述SOM模型得到测试样 本数据的最小量 化误差包括： 将训练样本数据作为输入训练所述SOM待训练模型， 采取自组织竞争学习原则训练所 述SOM待训练模型， 训练好的SOM模型的输出层节点体现了数据的拓扑分布状况； 对所述测试集中的数据进行经验模态分解以得到能量特征向量D， 将所述测试样本数 据D输入所述SOM中， 即可得到其最佳匹配单元BMU， 通过计算所述待测数据与最佳匹配单元 BMU之间的距离即可 得到最小量 化误差MQE：权　利　要　求　书 1/2 页 2 CN 114154779 A 2MQE＝||D‑mBMU||           (3) 其中D为输入的测试样本数据， mBMU为最佳匹配单 元BMU的权 重。 5.根据权利要求1所述的方法， 其特 征在于， 所述对所述最小量化误差进行归一化处理得到CV值， 基于所述CV值， 进行所述机械设 备的故障预警包括： 基于公式(4)计算出最小量 化误差MQE对应的CV值： 其中， a为预设的尺度参数， 由正常状态下的MQE和设定基准值确定； 将所述CV值与预设 故障阈值进行比较， 若当前CV值小于预设故障阈值， 则进行故障预警。 6.一种基于 EMD‑SOM的健康评估与故障诊断系统， 其特 征在于， 包括： 下位机、 上位机和述故障诊断与预警显示模块； 所述下位机包括信号滤波与 预处理模块， 用于对采集到的机械设备的振动信号进行滤 波与预处 理， 将模拟信号 转化为数字信号； 所述上位机包括能量特征向量分析和SOM神经网络健康评估模块， 所述能量特征向量 分析模块用于对所述数字信号进行 经验模态分解得到其能量特 征向量； 所述SOM神经网络健康评估模块， 用于接收来自能量特征向量分析模块的信息， 并利用 SOM神经网络算法对 所述能量特征向量进行计算与处理， 实时评估计算健康状态CV 值， 在线 监测和评估设备健康状态； 所述故障诊断与预警显示模块用于播报并显示所述SOM神经网络健康评估模块发送的 健康状态CV值， 并基于健康状态CV值与预设故障阈值的比较， 触发 故障预警。 7.根据权利要求6所述的系统， 其特 征在于， 所述接收来自能量特征向量分析模块的信息， 并利用SOM神经网络算法对所述能量特 征向量进行计算与处 理， 进行状态评估与故障预警， 在线监测机 械设备当前的状态包括： 基于所述SOM模型得到最小量化误差， 对所述最小量化误差进行归一化处理得到CV值， 基于所述CV值进行 所述机械设备的健康状态评估与故障诊断。 8.根据权利要求6所述的系统， 其特 征在于， 所述SOM神经网络健康评估 模块需预 先进行训练。 9.一种计算机设备， 包括存储器、 处理器及存储在存储器上并可在处理器上运行的计 算机程序， 其特征在于， 所述处理器执行所述程序时实现如权利要求1 ‑5任一项所述的方 法。 10.一种计算机存储介质， 其上存储有计算机程序， 其特征在于， 该程序被处理器执行 时实现如权利要求1 ‑5中任一项所述的方法。权　利　要　求　书 2/2 页 3 CN 114154779 A 3