[發明專利]基于深度殘差變分自編碼器的故障診斷方法和診斷系統

在審

• 申請號: 202210359430.7
• 申請日: 2022-04-07
• 公開（公告）號: CN114912480A
• 公開（公告）日: 2022-08-16
• 發明（設計）人: 鄢小安;盧彥宇;謝超;葉茂友
• 申請（專利權）人: 南京林業大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G06N3/04;G06N3/08;G01H17/00
• 代理公司: 北京智行陽光知識產權代理事務所(普通合伙) 11738
• 代理人: 楊效忠

1.一種基于深度殘差變分自編碼器的故障診斷方法，其特征在于，包括如下步驟：

S10：獲取機械設備在不同故障下的振動加速度信號X；

S20：將所采集到的振動加速度信號X通過小波包分解并重構，獲得小波包重構信號作為特征樣本集，將所述特征樣本集按一定比例隨機劃分為訓練集和測試集；

S30：通過將殘差自編碼模塊和變分自編碼器模塊進行前后堆疊連接，構建形成深度殘差變分自編碼器網絡模型；

S40：將訓練集輸入到所述深度殘差變分自編碼器網絡模型中進行依次訓練，獲得具有故障判別能力的深度網絡模型；

S50：將測試集輸入至已訓練好的深度網絡模型中，自動識別機械故障的類型。

2.根據權利要求1所述的基于深度殘差變分自編碼器的故障診斷方法，其特征在于，

步驟S20包括：對采集的加速度信號X進行3層小波包分解，獲得一系列小波包節點信號，進一步對各小波包節點信號進行重構，并將重構后的小波包節點信號作為數據樣本集，最后按一定的比例將數據樣本集隨機劃分為訓練集和測試集。

3.根據權利要求2所述的基于深度殘差變分自編碼器的故障診斷方法，其特征在于，

所述小波包分解的過程中，采用的小波函數為db1小波，其表達式為：

式中，t為時間變量，j＝1,2,…,J，J為最大分解層數，i＝1,2,…,2^j，為第j層小波包分解后獲得的第i個小波包節點信號，h與g為正交共軛濾波器系數。

4.根據權利要求2所述的基于深度殘差變分自編碼器的故障診斷方法，其特征在于，

所述小波包節點信號重構的過程中，采用的重構方法的表達式為：

式中，t為時間變量，為第j層小波包分解后獲得的第i個小波包節點重構信號，h^*和g^*分別為h與g的對偶算子。

5.根據權利要求1所述的基于深度殘差變分自編碼器的故障診斷方法，其特征在于，

步驟S30中構建的深度殘差變分自編碼器網絡模型包括兩部分：殘差自編碼模塊和變分自編碼器模塊，

所述殘差自編碼模塊由一個卷積層與兩個殘差子模塊串接組成；其中，一個殘差子模塊由一個批量歸一化層，兩個卷積層，一個激活函數層組成，且一個批量歸一化層、一個卷積層和一個激活函數層依次串接，另一個卷積層與激活函數層相串接；

所述的變分自編碼器模塊由一個編碼模塊、一個采樣模塊和一個解碼模塊串接組成；其中，編碼模塊是由一個輸入層和一個隱含層串接組成，解碼模塊是由一個隱含層和一個輸出層串接組成。

6.根據權利要求1所述的基于深度殘差變分自編碼器的故障診斷方法，其特征在于，

步驟S30中構建的深度殘差變分自編碼器網絡模型包括：

S301：采用殘差自編碼模塊進行一次信號降噪和一次特征提取；

S302：采用變分自編碼器模塊進行二次信號降噪和二次特征提。

7.根據權利要求1所述的基于深度殘差變分自編碼器的故障診斷方法，其特征在于，

在步驟S30中，所述殘差自編碼模塊的損失函數為平均絕對誤差，其具體表達式如下：

式中，N為輸入信號的數據點數，y_i為殘差自編碼模塊的第i個輸入，為殘差自編碼模塊的第i個輸出；

所述變分自編碼器模塊的損失函數為交叉熵與KL散度之和，即J_VAE＝J₁+J₂，其中交叉熵和KL散度的具體表達式如下：

交叉熵：

式中，N為輸入信號的數據點數，y_i為變分自編碼器模塊的第i個輸入，為變分自編碼器模塊的第i個輸出，w_i為第i個樣本的權值參數，λ為正則化系數，為正則化項；

KL散度：

式中，N為輸入信號的數據點數，μ與σ分別是均值與方差。