[發明專利]基于卷積編碼器和閔式距離的行星齒輪箱故障檢測方法

在審

• 申請號: 201810653611.4
• 申請日: 2018-06-22
• 公開（公告）號: CN108844735A
• 公開（公告）日: 2018-11-20
• 發明（設計）人: 李東東;王浩;華偉;趙耀;楊帆;林順富
• 申請（專利權）人: 上海電力學院
• 主分類號: G01M13/02
• 分類號: G01M13/02
• 代理公司: 上海科盛知識產權代理有限公司 31225
• 代理人: 丁云

1.一種基于卷積編碼器和閔式距離的行星齒輪箱故障檢測方法，其特征在于，該方法包括如下步驟：

(1)獲取行星齒輪箱振動信號；

(2)將行星齒輪箱振動信號輸入至預先訓練的特征提取模型，所述的特征提取模型為一維卷積編碼器；

(3)特征提取模型提取故障特征向量，求取故障特征向量與已知故障類別特征向量的閔式距離，根據閔式距離大小獲取故障類型。

2.根據權利要求1所述的一種基于卷積編碼器和閔式距離的行星齒輪箱故障檢測方法，其特征在于，所述的一維卷積編碼器包括依次連接的輸入層、第一卷積層、第一池化層、第二卷積層、第二池化層、特征向量層和輸出層，所述的輸入層用于輸入行星齒輪箱振動信號，所述的第一卷積層、第一池化層、第二卷積層和第二池化層依次進行卷積-下采樣-卷積-下采樣操作，所述的特征向量層將第二池化層的特征映射圖首尾連接形成故障特征向量，所述的輸出層將故障特征向量進行全連接并輸出與輸入層行星齒輪箱振動信號維數相同的類振動信號，所述的類振動信號無限趨近行星齒輪箱振動信號。

3.根據權利要求2所述的一種基于卷積編碼器和閔式距離的行星齒輪箱故障檢測方法，其特征在于，所述的第一卷積層和第二卷積層具體為：

設一維卷積神經網絡中第l層為卷積層，則對應卷積層的計算公式為：

表示l層的第j個特征映射，表示l-1層的第i個特征映射，M表示l-1層特征映射的個數，表示l層可訓練的卷積核，表示l層的偏置，*為卷積操作，f(·)為激活函數。

4.根據權利要求2所述的一種基于卷積編碼器和閔式距離的行星齒輪箱故障檢測方法，其特征在于，所述的第一池化層和第二池化層具體為：

設一維卷積神經網絡中第l+1層為池化層，則對應池化層的計算公式為：

表示l+1層的第j個特征映射，表示l層的第j個特征映射，表示l+1層的偏置，down(·)為下采樣函數，f(·)為激活函數。

5.根據權利要求2所述的一種基于卷積編碼器和閔式距離的行星齒輪箱故障檢測方法，其特征在于，輸出層具體為：

y^l+1＝f(u^l+1)＝f(W^l+1x^l+1+b^l+1)，

y^l+1表示輸出層輸出的類振動信號，x^l+1表示l+1層的特征映射，W^l+1表示輸出層的權重，表示輸出層的偏置，f(·)為激活函數。

6.根據權利要求2所述的一種基于卷積編碼器和閔式距離的行星齒輪箱故障檢測方法，其特征在于，步驟(3)特征提取模型提取故障特征向量具體為：行星齒輪箱振動信號輸入至一維卷積編碼器，提取一維卷積編碼器特征向量層輸出的故障特征向量。

7.根據權利要求1所述的一種基于卷積編碼器和閔式距離的行星齒輪箱故障檢測方法，其特征在于，步驟(3)閔式距離通過如下方式獲得：

設故障特征向量為a(x₁₁，x₁₂，……，x_1n)，某一故障類型對應的已知故障類別特征向量為b(x₂₁，x₂₂，……，x_2n)，則故障特征向量與該已知故障類別特征向量的閔式距離為d₁₂：

其中，p為閔可夫斯基指數。

8.根據權利要求1所述的一種基于卷積編碼器和閔式距離的行星齒輪箱故障檢測方法，其特征在于，步驟(3)根據閔式距離大小獲取故障類型具體為：分別獲得故障特征向量與多個已知故障類別特征向量的閔式距離，選取閔式距離最小值已知故障類別特征向量所對應故障類型作為行星齒輪箱的故障類型。