[发明专利]一种基于自动编码器的轴系转速大波动的故障诊断方法

权利要求书

1.一种基于自动编码器的轴系转速大波动的故障诊断方法，其特征是，包括以下步骤：

步骤1.样本数据预处理：转速1和转速2的样本分别属于源域和目标域；转速1的源域有M个带有标签的训练样本其中表示第i个源域样本N_n表示样本长度即样本维数，yⁱ表示的标签；转速2的目标域中有N个无标签的训练样本其中表示第i个目标域样本首先将所有样本进行傅里叶变换，然后对幅值进行归一化组成新的训练样本和其中，和分别表示原样本和的频谱；此时样本长度变为原样本的一半，用N_in表示，即N_in＝N_n/2；将所有样本表示成矩阵形式，即源域样本为X_s，目标域样本为X_t；其中，X_s和X_t分别表示由M个样本和N个样本组成的矩阵；

步骤2.用转速1信号预训练自动编码器：仅选用源域样本X_s作为训练样本，并仅对自动编码器进行预训练，从而保证其提取特征的能力；即通过梯度下降法训练代价函数下标F代表Frobenius范数运算，R＝F_d(Z_d)，Z_d＝W_dH+b_d，H＝F_e(Z_e)，Z_e＝W_eX_s+b_e，其中，W_e为自动编码器编码层权值矩阵，b_e为自动编码器编码层偏置向量，W_d为自动编码器解码层权值矩阵，b_d为自动编码器解码器偏置向量，M为转速1的源域训练样本个数；F_d()，F_e()是激活函数；经过预训练可以得出一组{W_e，b_e，W_d，b_d}；

步骤3.训练基于自动编码器的迁移学习模型：在自动编码算法中加入MMD惩罚项自动编码迁移学习算法，并用两种转速的训练样本进行训练；

步骤4.训练基于Softmax的迁移学习分类器：训练加入MMD惩罚项的Softmax特征分类器对提取的特征进行分类，由此可对转速2未知的故障信号实现故障诊断。

2.根据权利要求1所述的一种基于自动编码器的轴系转速大波动的故障诊断方法，其特征在于，所述步骤3的实现过程为：

将步骤2所得的{W_e，b_e，W_d，b_d}作为初始值，训练基于自动编码器的迁移学习模型，其训练样本为源域样本X_s和目标域样本X_t；基于自动编码器的迁移学习模型的代价函数分为三部分，即其中，λ，μ为惩罚系数，L_reg为W_e，W_d的2范数正则化项，L_MMD为源域与目标域样本的MMD距离；训练时，L_ae只有源域样本X_s参与，L_MMD源域样本为X_s和目标域样本X_t都参与；训练结束时除去自动编码器的解码器层，只保留自动编码器的编码器层，其维数为N_out。