钢丝绳故障诊断及定位方法、神经网络训练方法、系统及介质与流程

本发明涉及图像检测领域，具体涉及一种钢丝绳故障诊断及定位方法、神经网络训练方法及介质。

背景技术：

1、由于钢丝绳在运行中长期受到重载、弯曲、拉伸等作用，同时还承受恶劣工况的影响，随着使用时间的增长，这些缺陷可能导致磨损乃至断丝等故障，严重时甚至可能引发钢丝绳的整体断裂。因此及时发现钢丝绳故障是预防此类事故的重要手段。

2、基于图像识别的钢丝绳故障诊断以及故障定位技术相较于漏磁检测法、声波法、电涡流法等方法，具备非侵入式诊断的特点，不会对钢丝绳造成不良影响，并且随着机器视觉方法的快速发展，使得基于图像识别的诊断工作可以取得更加精确的结果，因此基于图像识别的钢丝绳故障诊断具备很高的工程价值以及现实意义。

3、u-net是一种用于图像定位任务的卷积神经网络架构，其独特的编码器-解码器结构，能够有效地从输入图像中提取特征并输出定位结果。u-net采用跳跃连接，将编码器中的特征图与解码器中的特征图相结合，有助于恢复图像细节信息并提高定位精度。同时，u-net在处理图像定位任务时具有较强的泛化能力，能够适应不同尺度、不同形状和不同类别的目标。

4、然而，采用上述技术获得的故障定位准确性不高，且难以同时实现故障诊断和故障定位。

技术实现思路

1、本申请要解决的技术问题是提供一种钢丝绳故障诊断及定位方法、神经网络训练方法、系统及介质，具有可以同时实现故障诊断和故障定位，且故障定位的准确性更高的特点。

2、第一方面，一种实施例中提供一种钢丝绳故障诊断及定位方法，包括：

3、获取监测的钢丝绳图像；

4、将所述钢丝绳图像输入至训练好的钢丝绳故障诊断及定位神经网络以实现钢丝绳的故障诊断及定位，包括：

5、将所述钢丝绳图像作为编码器的输入进行特征提取处理，所述编码器包括n层特征提取器，以通过编码器逐层对钢丝绳图像进行特征提取处理得到不同尺度的特征信息，n≥2；除最后一层特征提取器的输出fn外，将任意一层特征提取器的输出fn经池化操作后作为下一层特征提取器的输入；其中，n为特征特征提取器的索引，1≤n≤n；

6、对于任意一层特征提取器的输出进行压平处理，得到一维特征序列，将压平后的一维特征序列进行拼接，得到多维特征矩阵；

7、对所述多维特征矩阵进行自注意力处理得到强化特征矩阵；

8、将所述强化特征矩阵进行线性分类处理后得到钢丝绳故障诊断结果；

9、将逐层特征提取处理得到的输出经解码器进行解码处理得到初步故障定位矩阵，包括：解码器包括n-1层，除最后一层特征提取器外，每一层特征提取器一一对应有一解码器，且除第一层解码器外，对于其余的任意一层解码器，将上一层解码器的输出经上采样后和对应特征提取器的输出进行拼接，将拼接后的特征图作为该任意一层解码器的输入；其中，第一层解码器的输入为最后两层特征提取器的输出的拼接；

10、基于所述初步故障定位矩阵和钢丝绳故障诊断结果，得到钢丝绳故障定位图像。

11、第二方面，一种实施例中提供一种钢丝绳故障诊断及定位神经网络训练方法，包括：

12、获取包含有钢丝绳故障标签的钢丝绳图像训练样本；

13、将所述钢丝绳图像训练样本作为编码器的输入进行特征提取处理，所述编码器包括n层特征提取器，以通过编码器逐层对钢丝绳图像进行特征提取处理得到不同尺度的特征信息，n≥2；除最后一层特征提取器的输出fn外，将任意一层特征提取器的输出fn经池化操作后作为下一层特征提取器的输入；其中，n为特征特征提取器的索引，1≤n≤n；

14、对于任意一层特征提取器的输出进行压平处理，得到一维特征序列，将压平后的一维特征序列进行拼接，得到多维特征矩阵；

15、对所述多维特征矩阵进行自注意力处理得到强化特征矩阵；

16、将所述强化特征矩阵进行线性分类处理后得到钢丝绳故障诊断结果；

17、将逐层特征提取处理得到的输出经解码器进行解码处理得到初步故障定位矩阵，包括：解码器包括n-1层，除最后一层特征提取器外，每一层特征提取器一一对应有一解码器，且除第一层解码器外，对于其余的任意一层解码器，将上一层解码器的输出经上采样后和对应特征提取器的输出进行拼接，将拼接后的特征图作为该任意一层解码器的输入；其中，第一层解码器的输入为最后两层特征提取器的输出的拼接；

18、基于所述初步故障定位矩阵和钢丝绳故障诊断结果，得到钢丝绳故障定位图像；

19、构建损失函数，并结合钢丝绳故障诊断结果、钢丝绳故障定位图像和损失函数进行训练，以得到钢丝绳故障诊断及定位神经网络。

20、第三方面，一种实施例中提供一种钢丝绳故障诊断及定位系统，包括：

21、钢丝绳图像获取模块，获取监测的钢丝绳图像；

22、故障诊断及定位模块，将所述钢丝绳图像输入至训练好的钢丝绳故障诊断及定位神经网络以实现钢丝绳的故障诊断及定位，包括：

23、特征提取单元，将所述钢丝绳图像作为编码器的输入进行特征提取处理，所述编码器包括n层特征提取器，以通过编码器逐层对钢丝绳图像进行特征提取处理得到不同尺度的特征信息，n≥2；除最后一层特征提取器的输出fn外，将任意一层特征提取器的输出fn经池化操作后作为下一层特征提取器的输入；其中，n为特征特征提取器的索引，1≤n≤n；

24、多维特征矩阵获取单元，对于任意一层特征提取器的输出进行压平处理，得到一维特征序列，将压平后的一维特征序列进行拼接，得到多维特征矩阵；

25、强化特征矩阵获取单元，对所述多维特征矩阵进行自注意力处理得到强化特征矩阵；

26、钢丝绳故障诊断结果获取单元，将所述强化特征矩阵进行线性分类处理后得到钢丝绳故障诊断结果；

27、初步故障定位矩阵获取单元，将逐层特征提取处理得到的输出经解码器进行解码处理得到初步故障定位矩阵，包括：解码器包括n-1层，除最后一层特征提取器外，每一层特征提取器一一对应有一解码器，且除第一层解码器外，对于其余的任意一层解码器，将上一层解码器的输出经上采样后和对应特征提取器的输出进行拼接，将拼接后的特征图作为该任意一层解码器的输入；其中，第一层解码器的输入为最后两层特征提取器的输出的拼接；

28、钢丝绳故障定位图像获取单元，基于所述初步故障定位矩阵和钢丝绳故障诊断结果，得到钢丝绳故障定位图像。

29、第三方面，一种实施例中提供一种计算机可读存储介质，所述介质中存储有程序，所述程序能够被处理器加载并执行上述任意一实施例中的钢丝绳故障诊断及定位方法和/或钢丝绳故障诊断及定位神经网络训练方法。

30、本发明的有益效果是：

31、由于基于双路u-net网络，一路u-net用于得到钢丝绳故障诊断结果，另一路u-net在得到的钢丝绳故障诊断结果基础上，进行故障定位，从而既可以同时实现故障诊断和故障定位，又使得故障定位的准确性更高。

技术特征：

1.一种钢丝绳故障诊断及定位方法，其特征在于，包括：

2.如权利要求1所述的钢丝绳故障诊断及定位方法，其特征在于，所述的将所述钢丝绳图像作为编码器的输入进行特征提取处理，所述编码器包括n层特征提取器，以通过编码器逐层对钢丝绳图像进行特征提取处理得到不同尺度的特征信息，包括：

3.如权利要求1所述的钢丝绳故障诊断及定位方法，其特征在于，所述的对所述多维特征矩阵进行自注意力处理得到强化特征矩阵，包括：

4.如权利要求2所述的钢丝绳故障诊断及定位方法，其特征在于，所述的将逐层特征提取处理得到的输出经解码器进行解码处理得到初步故障定位矩阵，包括：

5.如权利要求1所述的钢丝绳故障诊断及定位方法，其特征在于，所述的基于所述初步故障定位矩阵和钢丝绳故障诊断结果，得到钢丝绳故障定位图像，包括：

6.一种钢丝绳故障诊断及定位神经网络训练方法，其特征在于，包括：

7.一种钢丝绳故障诊断及定位系统，其特征在于，包括：

8.如权利要求7所述的钢丝绳故障诊断及定位系统，其特征在于，所述的将所述钢丝绳图像作为编码器的输入进行特征提取处理，所述编码器包括n层特征提取器，以通过编码器逐层对钢丝绳图像进行特征提取处理得到不同尺度的特征信息，包括：

9.如权利要求7所述的钢丝绳故障诊断及定位系统，其特征在于，所述的对所述多维特征矩阵进行自注意力处理得到强化特征矩阵，包括：

10.一种计算机可读存储介质，其特征在于，所述介质中存储有程序，所述程序能够被处理器加载并执行如权利要求1到7中任意一项所述的钢丝绳故障诊断及定位方法和/或权利要求8到9中任意一项所述的钢丝绳故障诊断及定位神经网络训练方法。

技术总结本发明涉及一种钢丝绳故障诊断及定位方法、神经网络训练方法、系统及介质。将钢丝绳图像输入至训练好的钢丝绳故障诊断及定位神经网络以实现钢丝绳的故障诊断及定位，包括：将钢丝绳图像作为编码器的输入进行特征提取处理，编码器包括N层特征提取器，对于任意一层特征提取器的输出进行压平处理，得到一维特征序列，拼接后得到多维特征矩阵；对多维特征矩阵进行自注意力处理得到强化特征矩阵，以进行线性分类处理后得到钢丝绳故障诊断结果；将逐层特征提取处理得到的输出经解码器进行解码处理得到初步故障定位矩阵；基于初步故障定位矩阵和钢丝绳故障诊断结果得到钢丝绳故障定位图像。既可以同时实现故障诊断和故障定位，又使得故障定位的准确性更高。技术研发人员：李剑君,李昂,李晓飞,梁鹏翔,冯治国,邹磊,王浩宇,王彤,王仁本受保护的技术使用者：国能大渡河检修安装有限公司技术研发日：技术公布日：2024/8/20