[发明专利]一种基于最小信息熵特征学习模型的旋转机械故障诊断方法

摘要

本发明提供了一种基于最小信息熵特征学习模型的旋转机械故障诊断方法，包括以下步骤：构造Hankel矩阵，将Hankel矩阵进行堆叠之后通过线性映射得到特征矩阵；对特征矩阵的行进行L2范数归一化，然后最小化特征矩阵的信息熵得到训练好的权值矩阵；通过训练好的权值矩阵求出故障振动信号的特征，并进行Z‑score标准化并与标签合并导入Softmax模型进行优化，得到训练完成的Softmax分类器；通过权值矩阵求出测试环境下的旋转机械振动信号的特征，并进行Z‑score标准化后输入Softmax分类器中，得到旋转机械的故障诊断结果。本发明通过最小化特征矩阵的信息熵提取样本间的区分性特征，并引入Hankel矩阵与特征的Z‑score标准化，较已有的无监督特征提取方法，具有更好的噪声适应能力、准确性和鲁棒性。