[发明专利]一种基于属性编码的零样本旋转机械故障诊断方法

权利要求书

1.一种基于属性编码的零样本旋转机械故障诊断方法，其特征在于包括以下步骤：

步骤一：确定故障情境的属性描述，归纳旋转机械的所有潜在的故障，并对该故障进行拆解分析，判定故障模式、找出故障原因、界定故障情境，总结整理以上故障的相关信息从而构建故障的属性体系，该属性体系包括不同故障的特有属性和共有属性，进而确定故障情境的属性描述，为后续属性编码提供了支持；

步骤二：建立故障情境的属性编码，针对旋转机械的不同故障进行属性编码，所述不同故障包括已知类别故障和未知类别故障，并采用独热编码对所有类别故障进行编码，从而得到不同故障的0-1码；

步骤三：获取旋转机械的多源数据，通过在旋转机械的不同位置设置传感器，采集旋转机械的振动信号；

步骤四：形成旋转机械的多域特征集，通过域的转换来提取所采集的旋转机械的振动信号的时域特征、频域特征、能量特征和熵特征，从而形成多域特征集；

步骤五：构建属性编码的特征子集，通过基于支持向量机的递归特征消除算法，针对每一维度的0-1码分别进行一次特征选择，选出可区分性强的特征，剔除了无用特征和冗余特征，最终形成多个特征子集，且每一维度的0-1码均有一个对应的特征子集；

步骤六：分类器训练，分别将每一维度的0-1码所对应的特征子集作为分类器的输入，并将每一维度的0-1码取代样本标签作为分类器的输出进行分类器训练，训练多个分类器，且每一维度的0-1码均对应一个训练好的分类器；

步骤七：零样本故障诊断，针对于未知类别故障的样本数据，按照步骤四针对已知类别故障的各维度0-1码的特征子集的组成形成未知类别故障样本的各维度0-1码的特征子集，并将此特征子集作为已训练好的分类器的输入，最终得到一串由0-1组成的二进制码输出，并将此输出依次与步骤一当中的各类别的0-1码进行基于欧氏距离的判别，最终实现对未知类别样本的故障诊断。

2.如权利要求1所述的一种基于属性编码的零样本旋转机械故障诊断方法，其特征在于在步骤一中：

所述故障模式包括故障位置、故障程度；

所述故障原因为指造成故障的直接关键性因素；

所述故障情境包括故障位置、故障程度、故障影响、故障工况，即故障模式与故障原因的总和；

所述特有属性为不同故障类别互相有区别的相关属性，共有属性是指所有故障类别均具有的相关属性。

3.如权利要求1所述的一种基于属性编码的零样本旋转机械故障诊断方法，其特征在于在步骤二中：

所述属性编码是对旋转机械的各属性进行编码，其中具有该属性即在该属性所对应的编码维度设置成1，不具有该属性即在该属性所对应的编码维度设置成0；

独热编码是利用0和1表示旋转机械的属性参数，使用N维二进制码来对旋转机械的N个属性进行编码。

4.如权利要求1所述的一种基于属性编码的零样本旋转机械故障诊断方法，其特征在于在步骤四中：

所述时域特征为通过时间t来观察振动信号在时域的变化，包括有量纲和无量纲；

有量纲的时域特征包括最大值、平均值、均方根值、绝对平均幅值、方根幅值、峰-峰值和标准差；

无量纲的时域特征包括峭度、偏度、波形因子、峰值因子、脉冲因子、裕度因子。

5.如权利要求1所述的一种基于属性编码的零样本旋转机械故障诊断方法，其特征在于在步骤四中：

所述频域特征包括针对振动信号进行快速傅里叶变换，并计算频域特征，所述频域特征包括重心频率CF、平均频率MF、均方根频率RMSF、频率标准差RVF。