[發明專利]一種基于雙圖網絡的小樣本軸承故障診斷方法

在審

• 申請號: 202111202328.8
• 申請日: 2021-10-15
• 公開（公告）號: CN113988120A
• 公開（公告）日: 2022-01-28
• 發明（設計）人: 劉敏;汪韓
• 申請（專利權）人: 同濟大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06N3/04;G06N3/08
• 代理公司: 上海科盛知識產權代理有限公司 31225
• 代理人: 陳源源

1.一種基于雙圖網絡的小樣本軸承故障診斷方法，其特征在于，包括以下步驟：

S1、選取軸承故障的測試樣本和訓練樣本，所述測試樣本和訓練樣本均帶有標注信息；

S2、對測試樣本和訓練樣本進行預處理，構建元數據集；

S3、使用卷積神經網絡提取元數據集的特征；

S4、將步驟S3中的提取的特征和訓練樣本的標注信息輸入雙圖網絡，所述雙圖網絡包括點圖和分布圖，計算得到點圖的最終邊特征，在雙圖網絡損失值最小時，對每個測試樣本進行類預測。

2.根據權利要求1所述的一種基于雙圖網絡的小樣本軸承故障診斷方法，其特征在于，所述預處理步驟包括：

C1、從所有樣本中隨機抽取N個連續信號段和N個連續信號點組成的W*W個連續信號數據點；

C2、所有連續信號數據點的值歸一化，將歸一化后的值填充所有樣本圖像中對應位置的像素值，得到填充圖像；

C3、將填充圖像轉換為灰度圖像，堆疊后得到形成大小為W*W*M的圖像，作為元數據集。

3.根據權利要求1所述的一種基于雙圖網絡的小樣本軸承故障診斷方法，其特征在于，所述類預測通過邊饋入函數來計算，計算表達式為：

式中，表示點圖的最終邊特征，x_i表示第i個測試樣本的特征，表示x_i代表的樣本的故障類型概率分布，y_j表示中第j個訓練樣本的標注信息，onehot表示獨熱編碼；NK表示分布級節點特征的維度。

4.根據權利要求1所述的一種基于雙圖網絡的小樣本軸承故障診斷方法，其特征在于，所述點圖的最終邊特征計算步驟如下：

B1、根據元數據集的特征，得到點圖的初始節點特征；

B2、根據點圖的初始節點特征，結合編碼網絡計算點圖的初始邊特征；

B3、根據訓練樣本的標注信息，得到分布圖的初始節點特征，并根據點圖的初始邊特征，迭代計算分布圖的最終節點特征；

B4、根據分布圖的最終節點特征，結合編碼網絡計算分布圖的邊特征；

B5、根據分布圖的邊特征，結合聚合網絡計算得到點圖的最終節點特征，并結合編碼網絡計算點圖的最終節點特征；

B6、根據點圖的最終節點特征，對每個測試樣本進行類預測。

5.根據權利要求1所述的一種基于雙圖網絡的小樣本軸承故障診斷方法，其特征在于，所述雙圖網絡損失值為點損失和分布損失的加權求和。

6.根據權利要求5所述的一種基于雙圖網絡的小樣本軸承故障診斷方法，其特征在于，所述點損失表達式如下：

式中，pg表示點圖，l表示網絡的迭代次數，x_i表示第i個樣本，y_i表示第i個樣本的標注信息，L_crossentropy表示交叉熵損失函數。

7.根據權利要求5所述的一種基于雙圖網絡的小樣本軸承故障診斷方法，其特征在于，所述分布損失表達式如下：

式中，dg表示分布圖，l表示網絡的迭代次數，onehot表示獨熱編碼，y_i表示第i個樣本的標注信息，NK表示分布級節點特征的維度，表示第l次迭代時分布圖中的最終邊特征，L_crossentropy表示交叉熵損失函數。

8.根據權利要求1所述的一種基于雙圖網絡的小樣本軸承故障診斷方法，其特征在于，所述測試樣本和訓練樣本選取自凱斯西儲軸承數據集。

9.根據權利要求4所述的一種基于雙圖網絡的小樣本軸承故障診斷方法，其特征在于，所述分布圖的初始節點特征計算表達式如下：

式中，表示實數，||表示連接操作符，δ(·)表示克羅內克函數，y_i和y_j表示標注信息，NK表示分布級節點特征的維度。

10.根據權利要求1所述的一種基于雙圖網絡的小樣本軸承故障診斷方法，其特征在于，所述測試樣本和訓練樣本的數量比例為7∶3。