[发明专利]一种基于DCAE神经网络的滚动轴承健康指标构建方法

权利要求书

1.一种基于DCAE神经网络的滚动轴承健康指标构建方法，其特征在于，该方法是将原始振动信号作为网络输入，利用二次函数来对提取的健康特征指标趋势进行全局约束，确保其符合轴承的退化趋势；具体包括：首先，利用加速度传感器采集滚动轴承的振动信号，然后对采集到的振动信号进行低通滤波预处理来排除噪声的干扰；其次，将训练集中的轴承振动信号输入到构建的深度卷积自编码器(Deep convolutional auto-encoder,DCAE)网络中进行权重迭代更新训练；最后，将测试集中的轴承数据输入到训练好的DCAE网络中进行健康特征指标构建。

2.根据权利要求1所述的滚动轴承健康指标构建方法，其特征在于，构建的DCAE网络包含有二十七层，具体为：输入层、输出层、十三个卷积层、六个池化层和六个上采样层。

3.根据权利要求1或2所述的滚动轴承健康指标构建方法，其特征在于，构建的DCAE网络具体结构为：假设H_p,q表示第q层中第p个数据列，N_q为该数据列的长度；将H_p,q划分为多个其中，L为每个的长度，i为序号数；则卷积操作的定义为：

其中，*表示一维卷积，w_k,p,q为权重矩阵，b_p,q为偏置矩阵，为卷积后的结果，s表示非线性激活函数；

经过卷积操作后，对卷积结果进行最大池化操作，最大池化操作的定义为：

其中，L_p为池化长度，为第m层中第n个数据列中第i点的池化结果。

4.根据权利要求1所述的滚动轴承健康指标构建方法，其特征在于，将预处理后的原始振动信号s＝[s₁ s₂ … s_N]输入到构建好的DCAE网络中，利用构建好的标签L＝[l₁ l₂ …l_N]对DCAE网络进行迭代更新训练；目标函数为：

其中，L'＝[l'₁ l'₂ … l'_N]为编码器的输出，y＝[y₁ y₂ … y_N]为解码器的输出，w为比例系数，N为样本长度，s_i表示预处理后的第i个原始振动信号。