[发明专利]一种二叉树滤波器Transformer模型及其用于轴承故障诊断的方法

权利要求书

1.一种二叉树滤波器Transformer模型，其特征在于：包括分词器、编码器和分类器，其中通过分词器提取振动信号，得到序列z₁，之后序列z₁依次经由编码器和分类器处理得到输出结果；

所述分词器中设有一个二叉树滤波器组：

其中h(n)为标准低通滤波器，截止频率j是虚数单位，h_L(n)的频带范围是[0，1/4F_s]，h_H(n)的频带范围是[1/4F_s，1/2F_s]，F_s为采样频率；

对于输入的信号x(n)，所述分词器包括如下处理步骤：

S1，利用所述二叉树滤波器组将信号x(n)分解出k层，其中k为log2(n)的取整；

S2，对第k层的所有子信号取实部，之后计算均方根

S3，根据获取片段信息S和位置信息K，并求出序列z₁：

E_A＝embed(S，W_S)

E_K＝embed(K，W_P)

其中d_model为嵌入维数。

2.根据权利要求1所述的二叉树滤波器Transformer模型，其特征在于：所述编码器包括N个Transformer块，每一个Transformer块中含有两个子模块，分别是多头自注意力子模块和前向网络子模块，对于序列z有：

其中，序列z_l表示为第l层Transformer块的输入，相应的第1层的输入即为序列z₁，Attention(·)表示多头自注意力子模块，z′_l为多头自注意力子模块的输出，同时也为FFn(·)的输入，FFn(·)表示前向网络子模块，同时z_l+1作为第l层前向网络子模块的输出，也为第l+1层多头自注意力模块的输入，layernorm为取残差并归一化。

3.根据权利要求2所述的二叉树滤波器Transformer模型，其特征在于：所述多头自注意力子模块具体由查询矩阵Q_s＝zW_j^q，键矩阵K_s＝zW_j^k，值矩阵V_s＝zW_j^v组成，相应公式为：

其中h为注意力头数，j∈[1，h]，W_j^q、W_j^k和W_j^v分别表示：施加于序列z的第j种线性映射以得到不同版本的查询矩阵、键矩阵和值矩阵，d_k＝d_model/h，softmax(·)表示逻辑回归的泛化，concat(·)为对矩阵进行相连，head_j为第j个A(Q，K，V)，W_s为j个W_j^q、W_j^k、W_j^v的串联。

4.根据权利要求2所述的二叉树滤波器Transformer模型，其特征在于：所述前向网络子模块表示为：

FFn(x)＝GeLU(0，w₁x+b₁)w₂+b₂

其中GeLU(·)为激活函数，w₁和w₂表示进行两次线性变化的权重b₁和b₂表示进行两次线性变化的偏置。