基于动态图残差卷积的流体动压密封环磨损故障检测方法

技术特征：
1.一种基于动态图残差卷积的流体动压密封环磨损故障检测方法，其特征在于包括如下步骤：（1）数据采集及处理在流体动压密封环运行状态下采集间隙浮动信号，通过对间隙浮动信号的分析以实现故障检测；采用傅里叶变换对采集的间隙浮动信号进行频域转换，并将所有的间隙浮动信号按照4:1的比例分为训练数据集和测试数据集；（2）动态图生成采用k-nn算法从间隙浮动信号中获得的样本构造为初始图a0，，，式中，a0为初始图，{ }
n
为n
×
n的邻接矩阵，a
i,j
为样本x
i
和x
j
之间的相关性系数，σ>0，为控制输入空间的长度尺度参数，e为自然常数，‖ ‖2为二次范数；通过相关性系数获得所有间隙浮动信号的相似性，保留每个间隙浮动信号的前k个最高相似性，并将其他设置为零，获得稀疏的knn图；基于多头注意力的思想使用加权余弦相似度算法进行相似性度量学习，，，式中，为经过相似性度量学习后的相关性系数，w
k
为相似性度量学习的权重向量，
⊙
为哈德马积，m为多头注意力的头数，为第k头注意力计算分数，a
i
与a
j
为a0中的第i个和第j个节点向量，t为转置矩阵；通过施加了约束条件的最小化损失函数来动态更新图，，式中，l
gl
为动态图的最小损失函数，为动态图，为经过相似性度量学习后样本x
i
和x
j
之间的相关性系数，β与γ是两个非负的超参数， 为n
×
1向量，用于控制动态图的连通性和稀疏性，‖ ‖为范数，‖ ‖
f
为f-范数，t为转置矩阵；（3）构建及训练动态高阶图残差卷积网络所述动态高阶图残差卷积网络包括图卷积模块、维度模块、残差模块和全连接层，所述图卷积模块包括第一图卷积层、第二图卷积层和输出层，第一图卷积层、第二图卷积层和输出层依次连接，第一图卷积层与输出层连接，输出层将第一图卷积层和第二图卷积层叠加后输出特征图；每个图卷积层采用包含边缘池的图卷积层；所述维度模块包括两层一维池化层和一转二维层，用于降低节点特征的1d向量的维
数，然后对新获得的1d矢量进行深度压缩和宽度扩展；所述残差模块包括两层2d残差卷积层，用于以提取图卷积网络产生的节点的局部特征；所述全连接层用于输出包含全局和局部特征的输出特征图用于分类任务，并产生分类任务损失，l
gcn
为分类任务的最小损失函数，y
ij
为第i个样本的第j类别的预测标签，为第i个样本的第j类别的的真实标签，ψ为样本集对应的标签集合，c为类别数目；最小化目标函数l=l
gl
ηl
gcn
，η为非负超参数，将最小目标函数反向传播动态高阶图残差卷积网络中进行训练迭代，获取最终动态高阶图残差卷积网络，通过测试数据集测试最终动态高阶图残差卷积网络。2.根据权利要求1所述的基于动态图残差卷积的流体动压密封环磨损故障检测方法，其特征在于：步骤（1）中采用带探杆的位移传感器来监测流体动压密封环运行状态下动环与静环的间隙浮动信号。3.根据权利要求1所述的基于动态图残差卷积的流体动压密封环磨损故障检测方法，其特征在于：步骤（2）中为保证初始图a0对称性，使，(a
0 )
t
为初始图a0的转置矩阵。4.根据权利要求1所述的基于动态图残差卷积的流体动压密封环磨损故障检测方法，其特征在于：步骤（2）中引入阈值ε去掉多余的相关性参数，。

技术总结
本发明属于流体动压密封环磨损检测技术领域，本发明公开了一种基于动态图残差卷积的流体动压密封环磨损故障检测方法包括（1）数据采集及处理；（2）动态图生成，通过动态图学习方法来控制迭代图的连通性和稀疏性；（3）构建及训练动态高阶图残差卷积网络，将图卷积网络模型与残差模块相结合的策略，以同时提取全局和局部特征，本发明为流体动压密封环磨损故障诊断提供了一种有效的现场检测方法。断提供了一种有效的现场检测方法。断提供了一种有效的现场检测方法。


技术研发人员：谢罗峰 李星霖 殷鸣 殷国富
受保护的技术使用者：四川大学
技术研发日：2022.12.13
技术公布日：2023/1/13