[发明专利]基于深度小波核变分自编码器的机械故障诊断方法和系统

权利要求书

1.一种基于深度小波核变分自编码器的机械故障诊断方法，其特征在于，包括如下步骤：

S10：获取针对机电液系统不同故障的两通道非线性振动数据x_k和采样点数为n，并按1：1比例随机划分为训练集和测试集；

S20：将核函数映射模块、深度核特征学习模块和分类模块依次串接组成深度小波核变分自编码器；其中，核函数映射模块配置为采用核函数映射方法将采集的数据集投影到高维特征空间，深度核特征学习模块配置为采用小波变分自编码器进行堆叠学习并获得分类向量，分类模块配置为对分类向量进行故障分类；

S30：采用训练集对深度小波核变分自编码器进行训练，完成非线性故障信息的深度提取，并将测试集输入到已训练好的深度小波核变分自编码器中，自动实现机电液系统的故障诊断。

2.根据权利要求1所述的基于深度小波核变分自编码器的机械故障诊断方法，其特征在于，

在步骤S20中，

所述核函数映射模块由一个输入层与映射层串接组成，配置为将输入层的数据经过映射层的核函数映射处理后进行输出；

所述深度核特征学习模块由至少三个小波变分自编码器依次串接组成，配置为将最后一个小波变分自编码输出的特征向量作为分类向量；

所述分类模块配置为采用无监督聚类算法实现故障类型的自动识别。

3.根据权利要求2所述的基于深度小波核变分自编码器的机械故障诊断方法，其特征在于，

所述分类模块的表达式为：

式中，为第3个小波变分自编码器的输出，c_n为聚类数，clustering(·)为MATLAB聚类工具包中的函数。

4.根据权利要求2所述的基于深度小波核变分自编码器的机械故障诊断方法，其特征在于，

所述小波变分自编码器包括依次级联串接的小波编码模块、小波采样模块和小波解码模块；其中，

所述小波编码模块由一个输入层与小波隐含层串接组成，配置为学习隐含层特征信息；

所述小波采样模块配置为从满足高斯分布的隐含层特征中进行特征采样；

所述小波解码模块由一个小波隐含层与输出层串接组成，配置为根据采样的特征进行信号重构，生成可解释性的特征数据。

5.根据权利要求4所述的基于深度小波核变分自编码器的机械故障诊断方法，其特征在于，

所述小波编码模块中的小波隐含层采用非对称实拉普拉斯小波ψ(t)作为激活函数，其输出为q_j,j＝1,2,…,m，具体计算公式为：

式中，f_b和f_c分别为小波的带宽和中心频率，q_j为小波编码模块中的第j个小波隐含层节点的输出，d_j和c_j分别为尺度因子和平移因子，W_jk为第j个小波隐含层节点与第k个输入层节点之间权重。

6.根据权利要求4所述的基于深度小波核变分自编码器的机械故障诊断方法，其特征在于，

所述小波解码模块中的小波隐含层和输出层的激活函数分别采用非对称实拉普拉斯小波ψ(t)和双曲正切函数，将小波采样模块输出的隐变量特征z_j作为小波解码模块的输入进行解码运算过程，其输出结果分别为p_j,j＝1,2,…,m和y_k,k＝1,2,…,n，具体计算公式为：

式中，f_b和f_c分别为小波的带宽和中心频率，p_j为小波解码模块中的第j个小波隐含层节点的输出，d_j和c_j分别为尺度因子和平移因子，W_j为第j个小波隐含层节点与第j个采样节点之间权重，W_kj为第k个输出层节点与第j个小波隐含层节点之间权重，tanh(·)为双曲正切函数。