[发明专利]一种基于迁移关系网络的机械故障诊断方法

权利要求书

1.一种基于迁移关系网络的机械故障诊断方法，其特征在于，包括以下步骤：

步骤1：收集迁移关系网络的源域和目标域数据；

步骤2：构建迁移关系网络样本的训练集和测试集；

步骤3：构建能够检测机械故障类型的迁移关系网络；

将少样本学习中的关系网络与Siamese结构相结合，在多个层中采用了多核最大均值差异MK-MMD进行领域适配，构造一个用于故障诊断的双通道权值共享网络；

迁移关系网络由特征提取网络和关系网络两个部分构成，其中特征提取模块将提取来自Siamese双通道的样本特征，将两个通道特征提取网络输出的特征向量拼接后，输入至关系网络模块，关系网络模块计算两个连接特征之间的关系分数，分数越高，两个向量越相似，在迁移关系网络中，使用样本向量和查询向量作为网络的输入，样本向量作为模板向量，查询向量即为待测向量，关系得分揭示了模板和查询样本之间的相似性，其中模板样本的类别是已知的，根据查询向量对不同类别模板向量的关系分数，可以对查询样本进行分类；

步骤4：使用步骤2得到的训练集对步骤3构建的迁移关系网络进行训练得到机械故障诊断模型，获取机械故障诊断模型的最佳参数；

步骤5：用步骤2得到的目标域测试集对步骤3得到的机械故障诊断模型进行测试，检验迁移关系网络性能。

2.根据权利要求1所述的一种基于迁移关系网络的机械故障诊断方法，其特征在于，使用美国西储大学和NASA收集的旋转机械故障数据集作为源域数据，该数据为一维的振动信号，包含4类健康状态：健康工况、滚动轴承内环故障，滚动轴承滚珠故障，滚动轴承外环故障；

区别于传统机械故障诊断方法中目标域使用实验室收集的数据，本方法使用实际的火车滚动轴承健康状态数据作为目标域数据，有更高的实际应用价值；该数据源自运行工况的铁路机车轴承，为一维时间振动序列，包含和源域相同的四种健康状态。

3.根据权利要求1所述的一种基于迁移关系网络的机械故障诊断方法，其特征在于，步骤二中，迁移关系网络的训练集由源域数据和没有带标签的目标域数据构成，其中源域样本404个，包含4类健康状态各101个样本，目标域数据200个样本，每一类健康状态有50个样本；为模拟实际机械故障诊断中数据价值少的问题，训练集中目标域数据没有标签；测试集由目标域构成，目标域共有204个样本，每一类健康状态包含51个样本，将训练集测试集中的所有样本归一化为1×1024，用于网络的测试，训练集和测试集都是均衡样本集合，各类健康状态的样本数一致。

4.根据权利要求1所述的一种基于迁移关系网络的机械故障诊断方法，其特征在于，步骤三中，所构建的迁移关系网络由特征提取网络FeatureNet模块和关系网络RelationNet模块构成的，每个通道中的特征提取网络模块都是由3层卷积层和3层平均池化层构成；输入源域查询集的通道中关系网络模块由2层卷积层、2层平均池化层和2层全连接层以及1个输出层构成；输入目标域查询集的通道中关系网络模块由2层卷积层、2层平均池化层和2层全连接层构成，考虑到故障诊断输入数据是振动数据，为典型的时间序列信号，为了抑制序列中可能存在的噪声，采用了平均池化的方法；

在迁移关系网络中，卷积层对应的卷积核数量均为20个，卷积核大小均为1×3，步长均为1，池化层大小为1×2，步长为2，在池化层之前有一个ReLU激活函数，在所有的全连接层之后同样使用ReLU激活函数；

在每层卷积层进行Batch Normalization处理，Batch Normalization处理即为批归一化，使卷积层构成为Conv+BN+ReLU模式，对于以上所有的每个卷积层之后都有一个批处理标准化(BN)层。