(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202110259613.7 (22)申请日 2021.03.10 (65)同一申请的已公布的文献号 申请公布号 CN 112949194 A (43)申请公布日 2021.06.11 (73)专利权人 浙江大学 地址 310058 浙江省杭州市西湖区余杭塘 路866号 (72)发明人 邹俊　林方烨　 (74)专利代理 机构 杭州求是专利事务所有限公 司 33200 专利代理师 林超 (51)Int.Cl. G06F 30/27(2020.01) G06K 9/62(2022.01)G06N 3/04(2006.01) G06N 3/08(2006.01) G06Q 10/00(2012.01) G06Q 10/06(2012.01) G01M 17/007(2006.01) G06F 119/08(2020.01) (56)对比文件 CN 111562113 A,2020.08.21 US 2008161989 A1,20 08.07.03 US 20193 02713 A1,2019.10.0 3 US 20191213 50 A1,2019.04.25 US 2020380065 A1,2020.12.0 3 崔逊波等.基 于加权概 率神经网络的齿轮箱 抗噪故障诊断. 《机电工程》 .2010,(第02期), 审查员 李丽萍 (54)发明名称 基于机器学习和集群信息融合的防爆叉车 故障诊断方法 (57)摘要 本发明公开了一种基于机器学习和集群信 息融合的防爆叉车故障诊断方法。 方法包括以下 步骤： 1)将不同类型防爆叉车零件的温升信息和 对应的网络故障等级参数A同时输入到一维卷积 神经网络模 型进行训练， 获得不同类型的训练后 的一维卷积神经网络模型； 2)计算获得不同类型 的防爆叉车零件对应的零件集群信息； 3)在工作 现场， 采集一种类型的防爆叉车零件正常工作时 的温升信息， 分别获得该防爆叉车零件的网络故 障等级参数A和零件集群信息， 计算最终诊断结 果C， 获得该防爆叉车零件的故障等级。 本发明利 用防爆叉车中对各个零件进行安全监控的温度 传感器获取温度信息， 经济 型好， 且适用性广， 可 用于多类型的防爆叉 车零件的故障诊断。 权利要求书2页 说明书4页 附图1页 CN 112949194 B 2022.05.10 CN 112949194 B 1.一种基于机器学习和集群信息融合的防爆叉车故障诊断方法， 其特征在于： 包括以 下步骤： 1)选择多个同种类型并且不同故障等级的防爆叉 车零件； 2)测量一种类型的防爆叉车零件在工作开始到工作结束的温度 上升数据， 作为防爆叉 车零件的温升信息， 不同故障等级的防爆叉 车零件的网络故障等级参数A不同； 3)将防爆叉车零件的温升信息和对应故障等级的网络故障等级参数A同时输入到一维 卷积神经网络模型进行训练， 获得该防爆叉车零件对应的训练后的一维卷积神经网络模 型； 4)对剩余类型的防爆叉车零件重 复步骤1)和2)， 分别获得不同类型的防爆叉车零件对 应的训练后的一维卷积神经网络模型； 5)在工作现场， 采集一种类型的防爆叉车零件正常工作时的温升信息， 将温升信息输 入到该防爆叉车零件对应的训练后的一 维卷积神经网络模型中， 训练后的一 维卷积神经网 络模型输出 该防爆叉 车零件的网络故障等级参数A； 6)计算步骤1)中同种类型的所有防爆叉车零件的温升信息的平均温度和标准偏差， 该 类型防爆叉 车零件的平均温度和标准偏差作为该类型防爆叉 车零件的零件集群信息； 7)对剩余类型的所有防爆叉车零件重复步骤5) ‑6)， 分别获得不同类型的防爆叉车零 件对应的零件集群信息； 8)对步骤5)中在工作现场采集防爆叉车零件的温升信息根据该类型的零件集群信息 进行判断， 输出集群故障等级参数B； 9)利用该防爆叉车零件的网络故障等级参数A和集群故障等级参数B进行最终故障诊 断， 获得最终诊断结果C， 根据最终诊断结果C对该防爆叉 车零件进行故障诊断。 2.根据权利要求1所述的一种基于机器学习和集群信息融合的防爆叉车故障诊断方 法， 其特征在于： 所述 步骤2)具体为： 2.1)选择多个同种类型的正常、 轻度故障和重度故障的防爆叉车零件， 正常的防爆叉 车零件的网络故障等级参数A满足A ＝0， 轻度故障的防爆叉车零件的网络故障等级参数A满 足A＝0.5， 重度故障的防爆叉 车零件的网络故障等级参数A满足A＝1； 2.2)将选择的防爆叉车零件安装到防爆叉车上后以额定功率启动防爆叉车零件并且 保持运行状态， 在不同室温条件下测量工作时间T内防爆叉车零件的温度上升数据， 对温度 上升数据进行实时采样， 获得该防爆叉车零件的温升信息， 温升信息采集后停止运行防爆 叉车。 3.根据权利要求1所述的一种基于机器学习和集群信息融合的防爆叉车故障诊断方 法， 其特征在于： 所述网络故障等级参数A具体为有三个数值， 分别为网络故障等级参数A ＝ 0， 网络故 障等级参数A＝0.5和网络故 障等级参数A＝1， 依次对应为正常、 轻度故 障和重度 故障三种故障等级。 4.根据权利要求1所述的一种基于机器学习和集群信息融合的防爆叉车故障诊断方 法， 其特征在于： 所述 步骤8)具体为： 对步骤5)中在工作现场采集防爆叉车零件的温升信息根据 该类型的零件集群信 息， 进 行判断： 如果防爆叉车零件的温升信息中至少有一个时刻的温度数据在该类型防爆叉车零件权　利　要　求　书 1/2 页 2 CN 112949194 B 2对应时刻的平均温度加上三倍的标准偏差的范围外时， 则该防爆叉车零件的故障等级为重 度故障， 集群故障等级参数B＝1； 否则， 如果防爆叉车零件的温升信 息中至少有一个时刻的温度 数据在该类型防爆叉车 零件对应时刻的平均温度加上一倍的标准偏差到平均温度加上三倍的标准偏差的范围内 时， 则该防爆叉 车零件的故障等级为中度故障， 集群故障等级参数B＝0.5； 否则， 该防爆叉 车零件的故障等级为 正常， 集群故障等级参数B＝0 。 5.根据权利要求1所述的一种基于机器学习和集群信息融合的防爆叉车故障诊断方 法， 其特征在于： 所述 步骤9)具体为： 对该防爆叉车零件的网络故障等级参数A和集群故障等级参数B进行加权求和后进行 最终故障诊断， 获得最终诊断结果C， 最终诊断结果C满足： C＝a*A+b*B。权　利　要　求　书 2/2 页 3 CN 112949194 B 3