(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 202211028185.8 (22)申请日 2022.08.25 (71)申请人 徳布罗 （武汉） 智能科技有限公司 地址 430058 湖北省武汉市武汉经济技 术 开发区海棠路55号联创科技中心1号 楼乐客工场孵化器(集-LKGC -C59) (72)发明人 门志刚　向忠辉　胡冰华　向勇　 陈松　张丁鹏　吴浩屏　周文豪　 (74)专利代理 机构 上海克洛恩知识产权代理事 务所(普通 合伙) 3143 6 专利代理师 孙文伟 (51)Int.Cl. G01M 13/00(2019.01) G01H 17/00(2006.01) G06F 16/2455(2019.01)G06N 7/00(2006.01) (54)发明名称 一种旋转设备故障诊断分析方法 (57)摘要 本发明属于设备故障诊断技术领域， 尤其是 一种旋转设备 故障诊断分析方法， 包括由驱动元 件、 连接元件、 传动元件以及被驱动旋转的执行 元件安装在 底座上所组成的旋转 设备； 所述旋转 设备故障诊断步骤为： S1、 构建数据库。 该旋转 设 备故障诊断分析方法， 可实现将整个旋转设备硬 件内安装个神经系统， 如人体的骨骼表面附着上 神经系统， 使得人体(这里指代损坏零部件F(x， y， z)损的数据信息)受到周边或者外界的损伤时， 能够通过最优的神经系统(这里指代 最优路径的 算法， 即整个步骤S3内的算法)直接传导至大脑 (指代旋转 设备的检测点)， 由大脑根据最优路径 的信息， 结合三点定位法， 准确地反推出人体受 伤(损坏零部件F(x， y， z)损)的损坏位置 。 权利要求书2页 说明书6页 附图4页 CN 115371977 A 2022.11.22 CN 115371977 A 1.一种旋转设备故障诊断分析方法， 其特征在于： 包括由驱动元件(1)、 连接元件(2)、 传动元件(3)以及被驱动旋转的执 行元件(4)安装在底座(5)上 所组成的旋转设备； 所述旋转设备故障诊断步骤为： S1、 构建数据库， 设置每个零部件由振动信号数据x、 音频信号数据y以及数据信号强度 z组成， 用F(x， y， z)表示； S2、 构建硬件智能体， 将整个设备上的零部件F(x， y， z)按组装的顺序在计算机上构建 同等样子的图纸出来， 在图纸上将每 个零部件F(x， y， z)在智能体上的位置标记出来； S3、 构建算法智能体， 每个零部件F(x， y， z)之间接触后按照立体空间分布后， 出现损坏 的零部件F(x， y， z)损时， 其损坏的零部件到达检测点的路径就有m条， 按照最优的路径作为 振动以及音频的传播路径的算法； S4、 将三个故障点检测出来的信息与数据库里的信息进行比对， 以振动以及音频信息 对比出材质， 之后 再确定出损坏零部件F(x， y， z)损的信息， 最后以损坏零部件F(x， y， z)损的 强度信息为半径， 采用三 点定位法计算出 此故障零部件的所在位置 。 2.根据权利要求1所述的一种旋转设备故障诊断分析方法， 其特征在于： 所述S1中， 每 个零部件在整个设备上 的位置、 运动轨迹以及材质不同的基础上， 每个零件的振动信号数 据x、 音频信号数据y以及数据信号强度z中至少一个不相同。 3.根据权利要求2所述的一种旋转设备故障诊断分析方法， 其特征在于： 多个所述零部 件F(x， y， z)组成加一起构成的数据库表示为∑Fn(x， y， z)k， n≥1， k≥1， 其中n表示零部件 数量， k表示第几个零部件。 4.根据权利要求1所述的一种旋转设备故障诊断分析方法， 其特征在于： 所述S2中的图 纸包括但不限于设备建造时使用的设计图纸。 5.根据权利要求1所述的一种旋转设备故障诊断分析方法， 其特征在于： 所述智能体 内 设置选取最优路径的算法为： 设置损坏零部件F(x， y， z)损的数据信息传播到下一个相邻零部件F(x， y， z)所需要的时 间为t， 损坏零部件F(x， y， z)损观察到当前的状态st∈S， 选择一个路径传播动作at∈A， 损坏 零部件F(x， y， z)损的数据信息产生 一个转移st+1∈S， 且收到一个瞬时奖赏 rt＝r(st， at， st+1)∈R S和A分别为状态空间和动作空间， 相应地， r(st， at， s/)被称为瞬时奖赏 函数。 6.根据权利要求5所述的一种旋转设备故障诊断分析方法， 其特征在于： 所述损 坏零部 件F(x， y， z)损的初始位置s1， 是从损坏零部件F(x， y， z)损损坏初始位置的概率分布确定的， 此时状态空间S分为离 散的和连续的： 若状态空间S是离 散型的， 即初始的概 率分布由概 率质量函数P(s)确定， 且 满足 若状态空间S是 连续型的， 即初始的概 率分布由概 率密度函数p(s)确定， 且 满足： ∫s∈Sp(s)ds＝1。权　利　要　求　书 1/2 页 2 CN 115371977 A 27.根据权利要求6所述的一种旋转设备故障诊断分析方法， 其特征在于： 由于概率质量 函数使用狄 克拉函数δ(s)和概 率密度函数表达： 当损坏零部件F(x， y， z)损在环境的动态性被表示为当采用动作a时， 从状态s到状态s/的 转移概率， 其通过给定条件概 率密度p(s/丨s， a)下的转移概 率分布来表达： 用策略π确定损坏零部件F(x， y， z)损路径的决策， 将策略作为状态的函数： 8.根据权利要求7所述的一种旋转设备故障诊断分析方法， 其特征在于： 动作a是离散 或连续的， 在损坏零部件 F(x， y， z)损的损坏信息中， 采用随机策略， 在随机策略中， 每个状态 采用的动作是概 率所确定的， 可看做是状态s采用动作a的条件概 率密度， 通过引入动作选择的随机性， 使得损坏零部件F(x， y， z)损更主动的搜索整个状态空间， 当动作a是离 散型时， 与表达的状态密度相关连。 9.根据权利要求8所述的一种旋转设备故障诊断分析方法， 其特征在于： 所述损 坏零部 件F(x， y， z)损在得到一个 状态和动作的序列， 称之为轨 迹h： 1.以概率p(s)选择损坏零部件F(x， y， z)损的初始状态S1； 2.对于t＝1,2,3. ..T， (a)， 以策略π(at丨St)选择动作at； (b)， 根据转移概 率p(St+1丨St， at)， 确定下一个 状态St+1； 当损坏零部件F(x， y， z)损传播到检测点的路径步数T是有限或无限时， 其分别称之为有 限域和无限域， 因损坏零部件 F(x， y， z)损的实际应用中传播路径的轨迹始终是有限的， 所以 在有限域内使用h标记一条轨 迹， 即传播路径， 其轨 迹h＝[s1， a1， ...， sT， aT， sT+1] 沿着轨迹h所得到的瞬时奖赏的折扣之和成为回报； R(h)＝∑γt‑1γ(st， at， sT+1) 这里γ∈[0， 1)被称为针对未来奖赏的折扣因子 。 10.根据权利要求9所述的一种旋转设备故障诊断分析方法， 其特征在于： 损 坏零部件F (x， y， z)损的最优路径就是使得损坏零部件F(x， y， z)损具有最优策略π*， 使得期望回报最大 这里， Ρπ(h)为在策略下观察到轨迹h的轨迹概率密度， ΕΡπ(h)则是轨迹回报值的期 望； 权　利　要　求　书 2/2 页 3 CN 115371977 A 3