[發明專利]非均衡樣本下高速重載輸入級故障診斷方法

有效

• 申請號: 201811577688.4
• 申請日: 2018-12-20
• 公開（公告）號: CN109682596B
• 公開（公告）日: 2020-11-13
• 發明（設計）人: 王友仁;謝明佐;孫國棟
• 申請（專利權）人: 南京航空航天大學
• 主分類號: G01M13/021
• 分類號: G01M13/021
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.非均衡樣本下高速重載輸入級故障診斷方法，其特征在于，具體包括以下步驟：

步驟1：采集低轉速齒輪箱實驗平臺的不同模擬故障模式監測振動信號，具體過程為：在變轉速、變負載環境下，通過更換故障部件磨損齒輪、裂紋齒輪、粘接齒輪以及點蝕齒輪來獲取不同故障模式下的低轉速齒輪箱實驗平臺的不同模擬故障模式監測振動數據；

步驟2：對低轉速齒輪箱實驗平臺故障振動信號進行FFT頻譜分析，將頻域信號作為特征空間，FFT分析點數設置為采樣頻率大小，防止樣本長度過長及模型訓練時間較長；

步驟3：利用步驟2中獲得的不同故障模式的低速頻譜數據，對其進行頻譜搬移，將低速時域信號的頻譜進行非線性變換，使其由低速頻譜數據變換為高速頻譜數據，從而把低速故障頻譜數據遷移到高速故障模式；把高速齒輪箱實驗平臺故障頻譜數據遷移到直升機高速重載輸入級齒輪箱故障模式，得到不同故障模式的高速重載輸入級故障頻譜數據；

步驟4：利用兩次遷移得到的高速重載輸入級故障頻譜數據和正常模式下高速重載輸入級實際運行狀態監測振動信號頻譜數據對深度堆棧去噪自動編碼器SDAE進行預訓練；

步驟5：提取每個去噪自動編碼器DAE的編碼矢量，合并構建一個多層神經網絡，同時添加softmax分類器作為輸出層，利用高速重載輸入級實際運行時的少量故障樣本數據以及與故障樣本數量匹配的高速重載輸入級正常模式監測數據對預訓練的網絡模型進行精細微調；為應對數據集中不同故障模式之間的樣本不平衡情況，采用一種權重策略來改善softmax損失，根據數據集的不平衡分布對少量樣本的故障模式的損失進行加權，具體描述如下：

(1)給定訓練集其中x^(q)是第q個數據樣本，y^(q)∈{1，2，...，C}是表示高速重載輸入級故障模式的目標類；計算每種故障模式的樣本數量，第c種故障模式的樣本數量n_c可以計算為：

(2)n_c構成的數據集衡量每種故障模式的不平衡程度，并指示了數據集的不平衡分布，少數故障模式的損失應給予較大的權重，并且不影響多數故障模式的損失，每種故障模式的類別權重計算為：

其中max{·}代表集合的最大值；v_c根據數據集的不平衡分布自適應地計算，當數據集平衡時，其值為1；

(3)利用類別權重，損失函數L_SDAE表示為：

其中，W是編碼網絡的權重矩陣。