[发明专利]一种小样本下用于机械故障智能诊断的数据增强方法

权利要求书

1.一种小样本下用于机械故障智能诊断的数据增强方法，其特征在于，包括以下步骤：

步骤1：以机械设备各种运行状态下的一维信号作为数据集合，对获取到的各种运行状态下的一维信号进行预处理，然后划分训练集和测试集；

其中，对一维信号进行的预处理包括采集样本并添加标签，然后对每个样本进行归一化处理；

对每个采样样本进行归一化处理，得到原始数据样本，其计算式为：

式中，x_i为输入采样样本中的第i个数据点，x_min和x_max输入采样样本的最大值和最小值，为归一化处理后的原始数据样本中的第i个数据点；

针对采样得到的样本，根据运行状态对样本添加对应标签，并将标签编码为one-hot形式；

步骤2：对训练集使用无监督数据增强方法，获得无监督增强数据，将无监督增强数据与训练集合并，得到预增强训练集；

所述无监督数据增强方法直接用于原始数据样本，且增强后的样本与原始数据样本标签保持一致，无监督数据增强方法包括五种：

1)水平翻转：将原始数据样本沿水平方向翻转；

2)垂直翻转：将原始数据样本沿垂直方向翻转；

3)中心翻转：将原始数据样本绕中心翻转180°；

4)镜像：将原始数据样本从中点分割为左半样本和右半样本，以样本中点为对称轴，将左半样本或右半样本，镜像复制到右侧或左侧；

5)重复：将原始数据样本从中点分割为左半样本和右半样本，将左半样本或右半样本，直接复制到右侧或左侧；

无监督增强后的五种样本分别表示为：

式中，X_H，X_V，X_C，X_M，X_D分别表示水平翻转，垂直翻转，中心翻转，镜像，重复五种无监督增强方法后得到的样本，其中X_M和X_D得到的无监督增强样本包括左样本和右样本；

步骤3：对预增强训练集使用有监督数据增强方法，获得有监督增强数据，将有监督增强数据与预增强训练集合并，得到增强训练集；

具体地，使用的有监督数据增强方法，将预增强训练集中的一个随机样本与一个随机正常运行状态样本按照比例进行样本混合，包括数据混合及one-hot标签混合，有监督数据增强方法表示为：

式中，X_i和y_i分别表示预增强训练集中随机样本的数据及对应的one-hot标签，和分别表示预增强训练集中随机正常运行状态样本的数据及对应的one-hot标签，X_Mix和y_Mix分别为通过有监督数据增强得到的混合数据及混合one-hot标签，λ为混合比例，其中λ∈[0,1]。

2.根据权利要求1所述的一种小样本下用于机械故障智能诊断的数据增强方法，其特征在于，在所述步骤3之后还包括：

步骤4：构建智能诊断模型，用步骤3得到的增强训练集对智能诊断模型进行训练；

步骤5：用步骤4中训练的智能诊断模型对步骤1中的测试集进行故障诊断，并对结果进行评估。

3.根据权利要求1所述的一种小样本下用于机械故障智能诊断的数据增强方法，其特征在于，采集的各个样本数据点数相同，且样本之间不存在重叠，样本表示为：

X_R＝[x₁,x₂,…,x_N-1,x_N]

式中，X_R表示采样得到的采样样本，N为采样样本的数据点个数。

4.根据权利要求1所述的一种小样本下用于机械故障智能诊断的数据增强方法，其特征在于，步骤1中将预处理后的样本进行划分，从每一种运行状态的样本中随机选取M个样本作为训练集，剩余样本作为测试集，其中M≤8。