[发明专利]非均衡样本下高速重载输入级故障诊断方法

摘要

本发明公开非均衡样本下高速重载输入级故障诊断方法，具体步骤为：利用低转速齿轮箱实验平台的不同模拟故障模式监测振动信号，获得低速故障频谱数据，通过频谱搬移获得不同故障模式下高速齿轮箱实验平台故障频谱数据；把高速齿轮箱实验平台故障频谱数据迁移到直升机输入级齿轮箱故障模式，得到不同故障模式输入级故障频谱数据；利用两次迁移所得输入级故障频谱数据和正常模式下实际运行状态监测振动信号频谱数据，对深度堆栈去噪自动编码器SDAE进行预训练，再用实际运行时输入级少量故障数据样本对SDAE精细微调。把训练好的SDAE用于高速重载输入级振动信号自动特征提取与故障分类。本发明解决了样本不均衡情况下直升机高速重载输入级故障诊断问题。

主权项

1.非均衡样本下高速重载输入级故障诊断方法，其特征在于，具体包括以下步骤：步骤1：采集低转速齿轮箱实验平台的不同模拟故障模式监测振动信号，具体过程为：在变转速、变负载环境下，通过更换故障部件如磨损齿轮、裂纹齿轮、粘接齿轮以及点蚀齿轮等来获取不同故障模式下的低转速齿轮箱实验平台的不同模拟故障模式监测振动数据；步骤2：对低转速齿轮箱实验平台故障振动信号进行FFT频谱分析，将频域信号作为特征空间，FFT分析点数设置为采样频率大小，防止样本长度过长及模型训练时间较长；步骤3：利用步骤2中获得的不同故障模式的低速频谱数据，对其进行频谱搬移，将低速时域信号的频谱进行非线性变换，使其由低速频谱数据变换为高速频谱数据，从而把低速故障频谱数据迁移到高速故障模式；把高速齿轮箱实验平台故障频谱数据迁移到直升机高速重载输入级齿轮箱故障模式，得到不同故障模式的高速重载输入级故障频谱数据；步骤4：利用两次迁移得到的高速重载输入级故障频谱数据和正常模式下高速重载输入级实际运行状态监测振动信号频谱数据对深度堆栈去噪自动编码器SDAE进行预训练；步骤5：提取每个去噪自动编码器DAE的编码矢量，合并构建一个多层神经网络，同时添加softmax分类器作为输出层，利用高速重载输入级实际运行时的少量故障样本数据以及与故障样本数量匹配的高速重载输入级正常模式监测数据对预训练的网络模型进行精细微调；为应对数据集中不同故障模式之间的样本不平衡情况，采用一种权重策略来改善softmax损失，可以根据数据集的不平衡分布对少量样本的故障模式的损失进行加权。