[发明专利]一种基于门控循环单元的胶囊网络滚动轴承故障诊断系统

说明书

本发明涉及一种基于门控循环单元的胶囊网络滚动轴承故障诊断系统，包括依次连接的门控层、卷积层和胶囊网络，胶囊网络包括初级胶囊层和数字胶囊层，门控层提取轴承的故障特征；卷积层对提取出的故障特征进行压缩；初级胶囊层将提取的故障特征由标量特征转化为向量特征；数字胶囊层识别转化为向量特征的故障特征，输出相应的故障类型；门控层设有门控循环单元，门控循环单元通过更新门和重置门对门控层的目标输出状态值进行控制，胶囊网络中每层网络的输入包括上一层网络的输出和耦合系数。与现有技术相比，本发明具有提高了轴承故障诊断的抗噪性、准确性、通用性和泛化能力等优点。

技术领域

本发明涉及机械设备故障诊断领域，尤其是涉及一种基于门控循环单元的胶囊网络滚动轴承故障诊断系统。

背景技术

传统的故障诊断方法主要通过人工提取故障的方式，如对电机的振动信号、电流信号和温度信号进行一系列时域和频域分析，得到包含故障信息的特征，再对故障进行诊断，包括经验模态分解、Teager能量算子和小波包变换等方法。随着人工智能技术的发展，越来越多新的算法被应用于故障诊断领域。这些算法通过将故障输入到模型中提取特征，再进行优化，最终完成故障诊断。经典的算法包括PCA算法、朴素贝叶斯算法、决策树、支持向量机、深度神经网络和卷积神经网络等。

传统人工提取故障的方法专业性较强，且提取方法较为复杂。而基于人工智能技术的一些新算法虽然被证明在故障诊断模型中诊断效果较好，但大部分研究都是在理想状态下进行的，没有考虑到在工业实际环境中可能存在的噪声问题。除此之外，现有技术往往只考虑了一种载荷的情况，没有考虑到在训练和实际测试时不是同种载荷的情况，缺少模型的泛化能力。

发明内容

本发明的目的是为了克服上述现有技术存在的工业环境中的噪声和多个负载对故障判断的准确性造成影响的缺陷而提供一种基于门控循环单元的胶囊网络滚动轴承故障诊断系统。

本发明的目的可以通过以下技术方案来实现：

一种基于门控循环单元的胶囊网络滚动轴承故障诊断系统，包括依次连接的门控层、卷积层和胶囊网络，所述胶囊网络包括初级胶囊层和数字胶囊层，其中：

门控层，提取轴承的故障特征；

卷积层，对提取出的故障特征进行压缩；

初级胶囊层，将提取的故障特征由标量特征转化为向量特征；

数字胶囊层，识别转化为向量特征的故障特征，输出相应的故障类型；

所述门控层设有门控循环单元，所述门控循环单元通过更新门和重置门对门控层的目标输出状态值进行控制，所述胶囊网络中每层网络的输入包括上一层网络的输出和耦合系数。

所述故障特征的原始张量尺寸为28×28，门控层的隐藏层节点个数为128个，输出为10×10张量尺寸的故障特征。

所述更新门确定目标输出状态值需要保留的输出历史状态值，计算公式具体如下所示：

Z_t＝δ(W_zx_t+U_zh_t-1+b_z)

其中，Z_t为更新门的状态值，δ为sigmoid函数，x_t为t时刻的输入向量，W_z和U_z为更新门的权重矩阵，b_z为偏置项，h_t-1为门控层的输出历史状态值。

进一步地，所述重置门根据输出历史状态值确定门控层的输出候选状态值，计算公式具体如下所示：