[发明专利]一种基于深度联合适配网络的风电机组轴承故障诊断方法

权利要求书

1.一种基于深度联合适配网络的风电机组轴承故障诊断方法，包括以下步骤：

1)建立多元融合数据库：收集不同工况下的风电系统滚动轴承末端加速度数据，同时实时采集风电系统滚动轴承末端加速度数据，对所有数据进行预处理，对处理后的不同工况下的数据添加标签并记为源领域，预处理后的实时采集的数据记为目标领域；

2)建立深度联合适配模型：采用自编码网络逐层堆砌，架构一个深度框架，深度框架中每一层自编码网络结合联合适配，得到深度联合适配模型；

3)建立深度联合适配网络的风电机组轴承故障诊断模型：利用源领域的标签样本对深度联合适配模型进行预训练，并通过优化算法优化损失函数，得到深度联合适配模型的权值与偏置参数，然后分别在源领域和目标领域选取相同数目的四种样本数据作为输入，再一次调整深度联合适配模型的权值与偏置参数，同时得到这些数据相应的特征表示；再将源领域的特征表示用来训练SVM，得到训练好的分类模型，最后把目标领域的特征表示作为SVM的输入，得到每个样本的分类标签，从而得到深度联合适配网络的风电机组轴承故障诊断模型。

2.根据权利要求1所述的基于深度联合适配网络的风电机组轴承故障诊断方法，其特征在于：所述步骤1)中，将收集的所有数据归一化处理，再通过傅里叶变换去除数据包含的噪声，并选取处理后数据长度的一半，对预处理后的不同工况下的数据添加标签，其标签包括正常、内圈故障、外圈故障、球体故障四种。

3.根据权利要求1所述的基于深度联合适配网络的风电机组轴承故障诊断方法，其特征在于：所述步骤2)中，自编码网络包含编码层和解码层，编码层部分负责提取输入数据的特征表示，解码层则将提取出的特征表示重构成输入数据，具体为，假设给定一个输入数据集X＝{x₁，x₂，x₃，......x_n}，其通过自编码网络后的输出特征表示为则通过编码层的过程定义为：h＝f(Z_C)，Z_C＝θ，同理通过解码层的过程定义为：Z_d＝θ'，其中，参数θ和θ’为：

θ＝ω_CX+b_C

θ'＝ω_dh+b_d

分别为自编码网络编码层与解码层的输出，ω_d、ω_C、b_d、b_C为自编码网络中的权值和偏置参数；

从而自编码网络的损失函数为：

其中，||||_F为Frobenius范式，ω_d、ω_C、b_d、b_C包含了自编码网络中所有的权值和偏置参数；m为源领域或目标领域输入样本的总个数。