[发明专利]一种基于半监督对抗网络的轴承故障诊断方法

权利要求书

1.一种基于半监督对抗网络的轴承故障诊断方法，包括如下步骤：

S100：采集轴承真实故障时的振动信号x_f、轴承正常运行时的振动信号x_h以及待测轴承振动信号

S200：构建由生成器g、特征网络f、故障分类器fc、鉴别器d、辅助分类器ac和诊断网络diag组成的半监督生成对抗网络并进行训练，训练包括如下步骤：

S201：对生成器g进行训练，生成故障状态以及正常运行下的伪轴承振动信号

S202：以振动信号x_f、x_h以及伪轴承振动信号对特征网络f、故障分类器fc、鉴别器d和辅助分类器ac进行训练；其中，

所述辅助分类器ac通过均方误差损失函数衡量辅助信息的损失，所述均方误差损失函数表示为：

其中，表示从标准正态分布中随机采样得到的无监督辅助编码，即c₂～N(0，I)，代表信号相关的未知信息；表示辅助分类器输出的辅助编码预测；

所述故障分类器fc通过多分类交叉熵损失函数衡量故障分类性能，所述多分类交叉熵损失函数表示为：

其中，表示由故障类型决定的独热故障编码，且表示故障分类器输出的故障编码预测，k表示故障类别总数；

S203：待步骤S201和步骤S202的训练收敛后，以振动信号x_h、x_f和伪轴承振动信号对诊断网络diag进行训练；

S300：将待测轴承振动信号输入训练后的诊断网络diag进行故障诊断。

2.根据权利要求1所述的方法，其中，步骤S201中，通过将半监督故障独热编码无监督辅助编码和噪声编码共三种多源信息编码合并以获得维度为k+m+n的最终编码c＝[z，c₁，c₂]对生成器g进行训练。

3.根据权利要求1所述的方法，其中，所述特征网络f训练后输出故障振动信号特征S＝f(x_f)或者f(x_h)或者

4.根据权利要求1所述的方法，其中，所述鉴别器d、辅助分类器ac和故障分类器fc训练后分别输出真实性判断结果辅助编码预测和故障编码预测

5.根据权利要求1所述的方法，其中，所述诊断网络diag训练后输出轴承故障类别预测

6.根据权利要求1所述的方法，其中，步骤S201中，所述伪轴承振动信号且其中，表示实数域，上标l表示伪样本的序列长度。

7.根据权利要求1所述的方法，其中，步骤S202中，所述鉴别器d通过二值交叉熵损失函数鉴别样本的真实性，所述二值交叉熵损失函数表示为：

其中，r∈{0，1}表示真实性标签，决定输入样本是否来自真实样本，当输入样本为真实样本时r＝1，当输入样本为伪样本时，r＝0；表示鉴别器输出的真实性判断结果。

8.根据权利要求1所述的方法，其中，步骤S203中，所述诊断网络diag通过多分类交叉熵损失函数衡量对轴承进行故障诊断，所述多分类交叉熵损失函数表示为：

其中，y＝[y¹，y²，...y^k]表示轴承故障类别标签，且yⁱ∈{0，1}，∑yⁱ＝1，表示诊断网络diag预测的故障类别。