一种发动机曲轴系扭转振动识别方法及设备与流程

本技术涉及发动机，尤其涉及发动机曲轴系扭转振动识别方法及设备。

背景技术：

1、曲轴作为汽车发动机的核心零部件，在工作中承载着高强度的冲击载荷，是决定整个发动机工作寿命和稳定性的关键。发动机曲轴系扭转振动是指曲轴各轴段间发生周期性相互扭振的一种振动现象，是影响发动机安全运行的重要因素之一。

2、目前，通常利用仿真手段预测曲轴系扭转振动，但构建仿真模型需要设定相应的发动机系统零部件的结构尺寸参数、材料属性参数等信息，需要获取发动机运行时的真实缸压曲线作为激励，模型建立、边界设定、模型调试及运行计算，需要大量仿真资源且周期长，当零部件发生设计变更时，需要进行重复性工作，难以快速调整，影响开发成本和项目周期。由于现有的试验测试条件有限，无法模拟发动机的极限工况，不能完全识别曲轴系扭转振动的设计风险，试验验证工作重复进行，试验成本增加，同时无法覆盖到全部的故障问题，影响识别准确率。

技术实现思路

1、本技术的主要目的在于提供一种发动机曲轴系扭转振动识别方法及设备，旨在解决现有技术中传统仿真手段难以快速、准确地识别曲轴系扭转振动的技术问题。

2、为实现上述目的，本技术提供了一种发动机曲轴系扭转振动识别方法，包括：

3、获取发动机曲轴系在预设运行状态下的振动信号，根据振动信号之间的信号距离，确定基准距离，预设运行状态至少包括正常运行状态与扭转振动状态；

4、根据基准距离，确定振动信号的样本紧密度；

5、根据振动信号的样本紧密度，将振动信号划分至对应的样本簇；

6、基于基准距离，对样本簇中的振动信号进行筛选，得到目标振动信号；

7、基于目标振动信号，对构建的曲轴系扭转振动识别模型进行训练；

8、基于训练后的曲轴系扭转振动识别模型，对发动机曲轴系进行扭转振动的实时监测。

9、在一实施例中，根据振动信号之间的信号距离，确定基准距离的步骤包括：

10、获取信号距离、基准距离系数、振动信号的数量与基准距离之间的第一对应关系；

11、根据振动信号之间的信号距离、基准距离系数、振动信号的数量以及第一对应关系，确定基准距离。

12、在一实施例中，根据基准距离，确定振动信号的样本紧密度的步骤包括：

13、根据信号距离与基准距离，确定振动信号对应的紧密信号，振动信号与对应紧密信号之间的信号距离小于基准距离；

14、获取紧密信号的数量、振动信号的数量与样本紧密度之间的第二对应关系；

15、根据振动信号对应紧密信号的数量、振动信号的数量以及第二对应关系，得到振动信号的样本紧密度。

16、在一实施例中，根据振动信号的样本紧密度，将振动信号划分至对应的样本簇的步骤包括：

17、根据振动信号的样本紧密度，对振动信号进行降序排列，得到信号序列，将信号序列中的首个振动信号作为初始簇中心点添加进中心点集合中；

18、根据簇中心差异参数与基准距离，确定中心点筛选阈值；

19、获取振动信号与中心点集合中初始簇中心点之间的中心距离，将中心距离大于中心点筛选阈值的振动信号作为初始簇中心点，添加进中心点集合中；

20、在中心点集合中初始簇中心点的数量达到预设数量时，基于振动信号与初始簇中心点之间的中心距离，确定振动信号对应的簇中心点，并将振动信号划分至对应簇中心点的样本簇中，并确定样本簇中振动信号与簇中心点之间的距离；

21、基于样本簇中振动信号与簇中心点之间的距离，确定样本簇的均值振动信号，将样本簇的均值振动信号作为新的簇中心点；

22、在满足聚类条件时，根据振动信号与簇中心点之间的距离，确定振动信号对应的样本簇，执行基于基准距离，对样本簇中的振动信号进行筛选，得到目标振动信号的步骤。

23、在不满足聚类条件时，返回执行确定样本簇中振动信号与簇中心点之间的距离的步骤。

24、在一实施例中，基于基准距离，对样本簇中的振动信号进行筛选，得到目标振动信号的步骤包括：

25、获取基准距离、筛选系数与信号筛选阈值之间的第三对应关系；

26、基于样本簇的基准距离、筛选系数以及第三对应关系，确定样本簇的信号筛选阈值；

27、基于样本簇中振动信号与簇中心点之间的距离，筛选出样本簇中距离小于等于信号筛选阈值的振动信号作为目标振动信号。

28、在一实施例中，曲轴系扭转振动识别模型采用改进的resnet50模型，改进的resnet50模型包括依次连接的区域注意力单元、区域加强决策单元以及原始resnet50模型的分类识别单元，基于目标振动信号，对构建的曲轴系扭转振动识别模型进行训练的步骤包括：

29、对目标振动信号进行图像转换，得到振动图像；

30、将决策输入数据输入区域加强决策单元进行处理，得到区域决策概率；

31、在区域决策概率大于第一决策权重指标且小于第二决策权重指标时，确定进行区域特征识别并激活区域注意力单元；

32、在激活区域注意力单元时，将振动图像输入区域注意力单元，对振动图像以及振动图像对应的特征区域数据进行卷积变换与融合，得到特征图像，根据激活函数对特征图像进行处理，得到区域注意力图像，根据区域注意力图像得到加权输出数据；

33、将加权输出数据输入分类识别单元进行训练。

34、在一实施例中，将决策输入数据输入区域加强决策单元进行处理，得到区域决策概率的步骤之后还包括：

35、在区域决策概率大于等于第二决策权重指标时，确定进行区域特征识别且不激活区域注意力单元，基于存储区域特征，对特征区域数据进行加强；

36、在区域决策概率小于等于第一决策权重指标时，确定不进行区域特征识别，将振动图像输入分类识别单元进行训练。

37、在一实施例中，改进的resnet50模型还包括连接的通道注意力单元与通道加强决策单元，通道加强决策单元连接至分类识别单元，将加权输出数据输入分类识别单元进行训练的步骤之后还包括：

38、获取分类识别单元训练过程中的决策特征图像，将决策特征图像输入通道加强决策单元进行处理，得到通道决策概率；

39、在通道决策概率大于第三决策权重指标且小于第四决策权重指标时，确定进行通道特征识别并激活通道注意力单元；

40、在激活通道注意力单元时，将决策特征图像输入通道注意力单元，对决策特征图像进行全局均值池化处理、全局最大池化处理以及多层感知处理，得到通道特征加和图像，根据激活函数对通道特征加和图像进行处理，得到通道权重系数，根据通道权重系数，得到通道特征图像；

41、将通道特征图像输入分类识别单元继续进行训练。

42、在一实施例中，将决策特征图像输入通道加强决策单元进行处理，得到通道决策概率的步骤之后还包括：

43、在通道决策概率大于等于第四决策权重指标时，确定进行通道特征识别且不激活通道注意力单元，基于存储通道特征，对决策特征图像进行加强；

44、在通道决策概率小于等于第三决策权重指标时，确定不进行通道特征识别，将决策特征图像继续输入分类识别单元进行训练。

45、此外，为实现上述目的，本技术还提出一种发动机曲轴系扭转振动识别装置，发动机曲轴系扭转振动识别装置包括：

46、筛选模块，用于获取发动机曲轴系在预设运行状态下的振动信号，根据振动信号之间的信号距离，确定基准距离，预设运行状态至少包括正常运行状态与扭转振动状态；

47、筛选模块，还用于根据基准距离，确定振动信号的样本紧密度；

48、筛选模块，还用于根据振动信号的样本紧密度，将振动信号划分至对应的样本簇；

49、筛选模块，还用于基于基准距离，对样本簇中的振动信号进行筛选，得到目标振动信号；

50、训练模块，用于基于目标振动信号，对构建的曲轴系扭转振动识别模型进行训练；

51、识别模块，用于基于训练后的曲轴系扭转振动识别模型，对发动机曲轴系进行扭转振动的实时监测。

52、此外，为实现上述目的，本技术还提出一种发动机曲轴系扭转振动识别设备，发动机曲轴系扭转振动识别设备包括：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，计算机程序配置为实现如上文所述的发动机曲轴系扭转振动识别方法的步骤。

53、此外，为实现上述目的，本发明还提出一种存储介质，存储介质为计算机可读存储介质，存储介质上存储有计算机程序，计算机程序被处理器执行时实现如上文所述的发动机曲轴系扭转振动识别方法的步骤。

54、此外，为实现上述目的，本技术还提供一种计算机程序产品，计算机程序产品包括计算机程序，计算机程序被处理器执行时实现如上文所述的发动机曲轴系扭转振动识别方法的步骤。

55、本技术提供了一种发动机曲轴系扭转振动识别方法，获取发动机曲轴系在预设运行状态下的振动信号，预设运行状态至少包括正常运行状态与扭转振动状态，根据振动信号之间的信号距离，确定基准距离，根据基准距离，确定振动信号的样本紧密度，根据振动信号的样本紧密度，将振动信号划分至对应的样本簇，基于基准距离，对样本簇中的振动信号进行筛选，得到目标振动信号，基于目标振动信号，对构建的曲轴系扭转振动识别模型进行训练，基于训练后的曲轴系扭转振动识别模型，对发动机曲轴系进行扭转振动的实时监测。本技术利用曲轴系扭转振动识别模型对发动机曲轴系的扭转振动进行诊断识别，提高了识别的效率，同时对采集到的所有发动机曲轴系的振动信号进行分析，去除掉质量较低的振动信号，将筛选出的质量较高的振动信号作为训练曲轴系扭转振动识别模型的数据，提升训练数据质量，提升曲轴系扭转振动识别模型的准确性和泛化性，从而可以快速、准确地识别发动机曲轴系的扭转振动，辅助发动机的维护和维修工作，确保发动机的工作稳定性，解决了传统仿真手段难以快速、准确地识别曲轴系扭转振动的技术问题，提高了曲轴系扭转振动的识别准确率与效率。