[發明專利]一種混合增強原型網絡的行星齒輪箱故障診斷方法

在審

• 申請號: 202011592786.2
• 申請日: 2020-12-29
• 公開（公告）號: CN114282425A
• 公開（公告）日: 2022-04-05
• 發明（設計）人: 黃慶卿;盛佳會;胡小林;韓延;張焱;謝昊飛;魏旻;王浩;王平;劉蘭徽;邢鑌
• 申請（專利權）人: 重慶郵電大學;重慶工業大數據創新中心有限公司
• 主分類號: G06F30/27
• 分類號: G06F30/27;G06K9/62;G06N3/04
• 代理公司: 北京同恒源知識產權代理有限公司 11275
• 代理人: 趙榮之

1.一種混合增強原型網絡的行星齒輪箱故障診斷方法，其特征在于，該方法包括以下步驟：

S1、獲取行星齒輪箱振動數據，構建訓練集和測試集，其中訓練集分為支持數據集和查詢數據集；

S2、構建混合增強原型網絡；

S3、將行星齒輪箱數據輸入混合增強原型網絡，通過支持數據集獲取原型，并結合查詢數據集進行優化訓練；

S4、將測試集輸入模型，輸出故障診斷結果。

2.根據權利要求1所述的一種混合增強原型網絡的行星齒輪箱故障診斷方法，其特征在于，所述步驟S1具體為：

S11、布置傳感器采集行星齒輪箱不同健康狀態的振動數據，劃分為訓練集和測試集；

S12、采用滑窗方式對原始數據進行截取，截取的樣本長度為1×2ⁿ,n∈Z⁺；

S13、通過重構方式，將原始振動數據重構為正方形，樣本大小為2^n-1×2^n-1,n∈Z⁺；

S14、通過1:3的比例，將訓練集樣本劃分為查詢數據集和支持數據集。

3.根據權利要求1所述的一種混合增強原型網絡的行星齒輪箱故障診斷方法，其特征在于，所述步驟S2具體為：

該混合增強原型網絡包含1層Inception網絡模塊，1層DenseBlock網絡模塊，2層全連接層；

所述Inception模塊包括4條分支；

所述DenseBlock模塊包括2個特征提取塊，分別為第一個特征提取塊和第二個特征提取塊；所述特征提取塊分別依次包含Batchnorm層、ReLU激活層、卷積核大小為1×1的卷積層、Batchnorm層、ReLU激活層和卷積核大小為3×3的卷積層；

該DenseBlock模塊提取的特征由2個特征提取塊的特征通道連接而成，并且用于提取Inception模塊中不同尺度特征的混合特征。

4.根據權利要求1所述的一種混合增強原型網絡的行星齒輪箱故障診斷方法，其特征在于，所述步驟S3具體為：

S31、設定采樣信息，使用傳感器采集行星齒輪箱不同故障類別的振動信號；

S32、構建模型的訓練數據集，在訓練集中，按照1:3的比例，將訓練集劃分為支持集和查詢集；

S33、對混合增強原型網絡進行隨機初始化，同時設置學習率、批訓練尺寸、訓練輪數參數值；

S34、將訓練數據集的查詢集和支持集輸入模型進行訓練，通過優化目標損失函數對網絡參數進行調整，保存較優的模型參數；

S35、將測試數據輸入模型，所預測的分類結果與真實類別進行分析，驗證混合增強原型網絡的行星齒輪箱故障診斷方法的有效性。

5.根據權利要求3所述的一種混合增強原型網絡的行星齒輪箱故障診斷方法，其特征在于，所述Inception網絡模塊提取的不同尺度特征信息包括：

S1、根據輸入數據通過多通道1×1的卷積核，得到尺度1特征信息；

S2、根據輸入數據通過多通道1×1和3×3卷積核，得到尺度2特征；

S3、根據輸入數據通過多通道1×1和5×5卷積核，得到尺度3特征；

S4、根據輸入數據通過3×3最大池化和多通道1×1的卷積核，得到尺度4特征；

S5、通過S1-S4所得的不同尺度特征組成多尺度特征。

6.根據權利要求3所述的一種混合增強原型網絡的行星齒輪箱故障診斷方法，其特征在于，所述混合特征的提取包括以下步驟：

S1、通過第1個特征提取塊計算多尺度特征，獲得混合1特征；通過第2個特征提取塊計算混合1特征，獲得混合2特征；

S2、將混合1特征和混合2特征進行通道拼接得到最終的多尺度混合特征。