[發明專利]基于一維卷積與動態路由的多傳感器滾動軸承故障診斷有效
| 申請號： | 202011133371.9 | 申請日： | 2020-10-21 |
| 公開（公告）號： | CN112284735B | 公開（公告）日： | 2022-07-15 |
| 發明（設計）人： | 郭俊鋒;呂健豪 | 申請（專利權）人： | 蘭州理工大學 |
| 主分類號： | G01M13/045 | 分類號： | G01M13/045;G06N3/04;G06V10/80;G06V10/82;G06K9/62;G06F30/27 |
| 代理公司： | 北京市邦道律師事務所 11437 | 代理人： | 段君峰 |
| 地址： | 730050 甘肅*** | 國省代碼： | 甘肅;62 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 基于 卷積 動態 路由 傳感器 滾動軸承 故障診斷 | ||
1.基于一維卷積與動態路由的多傳感器滾動軸承故障診斷，其特征在于，具體包括以下步驟：
步驟S1，獲取多傳感器測量的不同狀態的振動信號；
步驟S2，建立一種平行的多卷積結構來提取步驟S1中由多傳感器所獲取振動信號的不同角度的特征信息；
步驟S3，采用動態路由算法對步驟S2中不同角度的特征信息進行特征融合，并使用softmax分類器映射輸出；
在所述步驟S2中，建立與步驟S1中傳感器的數量相對應且相互平行的多個一維卷積神經網絡，并由對應的一維卷積神經網絡來提取對應傳感器所獲取振動信號的特征信息；
在所述步驟S2中，建立一種平行的多卷積結構來提取步驟S1中由多傳感器所獲取振動信號的不同角度的特征信息的具體過程如下：
步驟S21，采用卷積運算，計算卷積層第i個傳感器的第a個卷積核與輸入特征c(i)的卷積：其中，為卷積輸出，為卷積核，為偏置矩陣，為卷積符號，n為卷積核數目；
步驟S22，按照平均池化的方式對池化層第i個傳感器第a個輸入特征進行次采樣：其中，pz為池化尺寸，mean為平均運算；
步驟S23，將特征圖重構為一個高維單層神經元結構，則全連接層第i個傳感器第a個神經元的輸出為：其中，Kf為權值矩陣，bf為偏置矩陣，f(·)為激活函數；
在所示步驟S23中，為進一步增強該故障診斷的泛化能力，對全連接層歸一化并輸出
所述步驟S3的具體過程為：
步驟S31，將變換矩陣Wi與歸一化后的輸入特征Fi相乘，得到預測向量Ui，Ui＝WiFi；
步驟S32，令相似度得分bi為零矩陣，耦合系數ci由bi的softmax函數得到：bi＝O，ci＝softmax(bi)；
步驟S33，根據耦合系數ci和預測向量Ui得到臨時輸出矩陣s：其中，m為輸入向量的數量；
步驟S34，激活向量vj(動態路由的最終輸出特征)為：其中，squash函數為激活函數；
步驟S35，根據激活向量與預測向量的相似性來更新相似度得分bi：bi＝bi+Ui·V；
步驟S36，循環指定次數，輸出Y：Y＝v，其中，Y為預測結果；
步驟S37，采用softmax分類器得到診斷結果
其中，為第i個樣本的預測輸出，N為故障類型的數量，Xi為第i個樣本的輸入特征，為第i個樣本的第n類預測輸出概率，損失函數采用交叉熵損失函數式中，L為損失函數的值，A為樣本數，ain為第i個樣本的第n個指示變量。
2.根據權利要求1所述基于一維卷積與動態路由的多傳感器滾動軸承故障診斷，其特征在于，在所述步驟S1中，將多傳感器測量的振動信號通過快速傅里葉變換為頻譜。
3.根據權利要求1所述基于一維卷積與動態路由的多傳感器滾動軸承故障診斷，其特征在于，在所述步驟S21中，為防止出現梯度彌散問題，將ReLU函數作為的卷積輸出的激活函數：
4.根據權利要求3所述基于一維卷積與動態路由的多傳感器滾動軸承故障診斷，其特征在于，在所述步驟S22中，按照平均池化的方式對池化層第i個傳感器第a個輸入特征進行次采樣：其中，pz為池化尺寸，mean為平均運算。
該專利技術資料僅供研究查看技術是否侵權等信息，商用須獲得專利權人授權。該專利全部權利屬于蘭州理工大學，未經蘭州理工大學許可，擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作，請聯系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/202011133371.9/1.html，轉載請聲明來源鉆瓜專利網。
