(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 202211284462.1 (22)申请日 2022.10.17 (71)申请人 北京天玛智控科技股份有限公司 地址 101320 北京市顺 义区林河南大街27 号(科技创新功能 区) 申请人 北京煤科天玛自动化科技有限公司 (72)发明人 赖岳华　李然　刘波　刘明亮　 陈荣明　 (74)专利代理 机构 北京清亦华知识产权代理事 务所(普通 合伙) 11201 专利代理师 张润 (51)Int.Cl. G06K 9/00(2022.01) G06K 9/62(2022.01) G06N 3/04(2006.01)G06N 3/08(2006.01) (54)发明名称 泵阀故障诊断方法和装置 (57)摘要 本申请提出一种泵阀故障诊断方法和装置， 获取泵阀的整周期信号样本及其对应的泵阀状 态标签， 并将整周期信号样本对应的信号频谱输 入到条件变分自编码器， 得到信号频谱对应的特 征分布和预测状态标签， 根据泵阀状态标签与预 测状态标签的差异性和特征分布与预设数据分 布的差异性对 条件变分自编码器进行训练， 确定 条件变分自编码器的模型参数， 以构建的解码器 模型作为泵阀的故障诊断模型， 将泵阀的实时整 周期信号样本对应的实时信号频谱和特征分布 合并后输入到故障诊断模型， 得到泵阀的实时状 态预测标签， 确定泵阀是否故障， 由此， 基于信号 频谱的特征分布构建故障诊断模 型， 实现对泵阀 状态的精 准诊断， 并提高故障诊断模 型的泛化性 能。 权利要求书3页 说明书11页 附图6页 CN 115545081 A 2022.12.30 CN 115545081 A 1.一种泵阀故障诊断方法， 其特 征在于， 所述方法包括： 获取所述泵阀的整周期信号样本以及所述整周期信号样本对应的泵阀状态标签， 并对 所述整周期信号样本进行信号变换， 以得到所述整周期信号样本对应的信号频谱； 将所述信号频谱输入到条件变分自编码器中， 以得到所述信号频谱对应的特征分布和 预测状态标签； 根据所述泵阀状态标签与所述预测状态标签的差异性以及所述特征分布与预设数据 分布的差异性， 对所述条件变分自编码器进行训练， 确定所述条件变分自编码器的模型参 数； 基于所述条件变分自编码器中解码器的模型参数， 构建所述解码器模型， 并将所述解 码器模型作为所述泵阀的故障诊断模型； 将所述泵阀的实时整周期信号样本对应的实时信号频谱以及所述特征分布合并后输 入到所述故障诊断模型， 以得到所述泵阀的实时状态预测标签； 根据所述泵阀的实时状态预测标签， 确定所述泵阀是否故障。 2.根据权利要求1所述的方法， 其特征在于， 所述获取所述泵阀的整周期信号样本以及 所述整周期信号样本对应的泵阀状态标签， 并对所述整周期信号样本进行快速傅里叶变 换， 以得到所述整周期信号样本对应的信号频谱， 包括： 获取所述泵阀对应的振动信号， 以及所述泵阀对应曲轴的键相信号； 对所述振动信号和所述键相信号进行加窗处 理， 以得到泵阀的整周期信号样本； 对所述整周期信号样本对应的泵阀状态进行状态标注， 以得到泵阀的泵阀状态标签； 对所述整周期信号样本进行快速傅里叶变换， 以得到所述整周期信号样本对应的初始 信号频谱； 对所述初始信号频谱进行归一 化处理， 以得到归一 化的信号频谱。 3.根据权利要求1所述的方法， 其特征在于， 所述条件变分自编码器包括编码器、 潜在 特征空间表示层和解码器， 将所述信号频谱输入到条件变分自编码器中， 以得到所述信号 频谱对应的特 征分布和预测状态标签， 包括： 将所述信号频谱输入到所述编码器中， 以得到所述信号频谱 对应的特 征向量； 将所述特征向量输入到所述潜在特征空间表示层， 以采样出所述特征向量对应的特征 分布； 将所述特征分布和所述信号频谱输入所述解码器中， 以得到所述信号频谱对应的预测 状态标签。 4.根据权利要求3所述的方法， 其特征在于， 所述将所述特征向量输入到所述潜在特征 空间表示层， 以采样所述特 征向量对应的特 征分布， 包括： 将所述特征向量输入到所述潜在特征空间表示层， 以得到所述特征向量的均值以及方 差； 对所述均值以及方差进行随机分布采样， 以得到所述特 征向量对应的特 征分布。 5.根据权利要求1所述的方法， 其特征在于， 所述根据所述泵阀状态标签与 所述预测状 态标签的差异性以及所述特征分布与预设数据分布的差异性， 对所述条件变分自编 码器进 行训练， 确定所述条件变分自编码器的模型参数， 包括： 根据所述泵阀状态标签作为所述条件变分 自编码器的输入， 所述预测状态标签作为所权　利　要　求　书 1/3 页 2 CN 115545081 A 2述条件变分自编码器的输出， 以生成条件变分自编码器的初始模型； 基于所述泵阀状态标签与所述预测状态标签的差异性以及所述特征分布与预设数据 分布的差异 性， 对所述初始模型进行训练， 直至所述初始模型满足预设的终止准则， 以得到 所述条件变分自编码器的目标模型； 将所述目标模型中的目标模型参数作为所述条件变分自编码器的模型参数。 6.一种泵阀故障诊断装置， 其特 征在于， 所述装置包括： 获取模块， 用于获取所述泵阀的整周期信号样本以及所述整周期信号样本对应的泵阀 状态标签， 并对所述整周期信号样本进行信号变换， 以得到所述整周期信号样本对应的信 号频谱； 第一生成模块， 用于将所述信号频谱输入到条件变分自编码器中， 以得到所述信号频 谱对应的特 征分布和预测状态标签； 第一确定模块， 用于根据所述泵阀状态标签与 所述预测状态标签的差异性以及所述特 征分布与预设数据分布的差异性， 对所述条件变分自编码器进行训练， 确定所述条件变分 自编码器的模型参数； 构建模块， 用于基于所述条件变分自编码器中解码器的模型参数， 构建所述解码器模 型， 并将所述 解码器模型作为所述泵阀的故障诊断模型； 第二生成模块， 用于将所述泵阀的实时整周期信号样本对应的实时信号频谱以及所述 特征分布合并后输入到所述故障诊断模型， 以得到所述泵阀的实时状态预测标签； 第二确定模块， 用于根据所述泵阀的实时状态预测标签， 确定所述泵阀是否故障。 7.根据权利要求6所述的装置， 其特 征在于， 所述获取模块， 具体用于： 获取所述泵阀对应的振动信号， 以及所述泵阀对应曲轴的键相信号； 对所述振动信号和所述键相信号进行加窗处 理， 以得到泵阀的整周期信号样本； 对所述整周期信号样本对应的泵阀状态进行状态标注， 以得到泵阀的泵阀状态标签； 对所述整周期信号样本进行快速傅里叶变换， 以得到所述整周期信号样本对应的初始 信号频谱； 对所述初始信号频谱进行归一 化处理， 以得到归一 化的信号频谱。 8.根据权利要求6所述的装置， 其特征在于， 所述条件变分自编码器包括编码器、 潜在 特征空间表示层和解码器， 第一 生成模块， 包括： 输入单元， 用于将所述信号频谱输入到所述编码器中， 以得到所述信号频谱对应的特 征向量； 采样单元， 用于将所述特征向量输入到所述潜在特征空间表示层， 以采样出所述特征 向量对应的特 征分布； 生成单元， 用于将所述特征分布和所述信号频谱输入所述解码器中， 以得到所述信号 频谱对应的预测状态标签。 9.根据权利要求8所述的装置， 其特 征在于， 所述采样单 元， 具体用于： 将所述特征向量输入到所述潜在特征空间表示层， 以得到所述特征向量的均值以及方 差； 对所述均值以及方差进行随机分布采样， 以得到所述特 征向量对应的特 征分布。 10.根据权利要求6所述的装置， 其特 征在于， 所述第一确定模块， 具体用于：权　利　要　求　书 2/3 页 3 CN 115545081 A 3