[發(fā)明專利]基于正交化局部連接網(wǎng)絡(luò)的機械裝備健康狀態(tài)識別方法

有效

• 申請?zhí)枺?/td>: 201710784356.2
• 申請日: 2017-09-04
• 公開（公告）號: CN107451624B
• 公開（公告）日: 2020-03-24
• 發(fā)明（設(shè)計）人: 雷亞國;楊彬;賈峰;邢賽博
• 申請（專利權(quán)）人: 西安交通大學
• 主分類號: G06K9/62
• 分類號: G06K9/62;G01M13/04
• 代理公司: 西安智大知識產(chǎn)權(quán)代理事務所 61215
• 代理人: 賀建斌

1.基于正交化局部連接網(wǎng)絡(luò)的機械裝備健康狀態(tài)識別方法，其特征在于，包括以下步驟：

步驟1：獲取機械裝備R種健康狀態(tài)時的振動信號樣本集其中，為第m個健康狀態(tài)樣本，由N個振動數(shù)據(jù)點組成，其樣本標簽為y_m∈{1,2,3,...R}；

步驟2：確定正交稀疏自編碼網(wǎng)絡(luò)的輸入維數(shù)N_in和輸出維數(shù)N_out，根據(jù)輸入維數(shù)N_in，將健康狀態(tài)樣本x_m分割為無重疊的J個樣本片段，且J＝N/N_in，組成樣本片段集其中，是第j個樣本片段，由N_in個數(shù)據(jù)點組成；

步驟3：隨機從步驟2獲取的樣本片段集中選取N_s個樣本片段并組成局部樣本片段集經(jīng)白化處理后，獲得白化局部樣本片段集其中再利用該白化局部樣本片段集訓練正交稀疏自編碼網(wǎng)絡(luò)，即最小化目標函數(shù)：

式中，σ_r(·)為ReLU激活函數(shù)；λ為正交化約束系數(shù)；為局部權(quán)重矩陣W_loc第k行行向量；

訓練完成后，獲得網(wǎng)絡(luò)的局部權(quán)重矩陣

步驟4：計算步驟3獲得的局部權(quán)重矩陣W_loc與步驟2獲得的樣本片段的內(nèi)積，得到樣本片段的局部特征即：

將各局部特征算術(shù)平均，即獲得健康狀態(tài)樣本x_m的樣本特征

步驟5：利用帶標簽的樣本特征{f_m,y_m}訓練Softmax分類器，即最小化目標函數(shù)：

式中，分別為分類器權(quán)重矩陣W_class的第r行、第l行行向量；

訓練完成后，獲得Softmax分類器的權(quán)重矩陣

通過計算分類器的權(quán)重矩陣W_class與樣本特征f_m的內(nèi)積，輸出樣本特征對應各樣本標簽的概率分布，取最大概率所對應的樣本標簽作為樣本x_m的健康狀態(tài)，完成機械裝備健康狀態(tài)的智能識別；

所述的機械裝備為行星齒輪箱。