[发明专利]基于正交化局部连接网络的机械装备健康状态识别方法

权利要求书

1.基于正交化局部连接网络的机械装备健康状态识别方法，其特征在于，包括以下步骤：

步骤1：获取机械装备R种健康状态时的振动信号样本集其中，为第m个健康状态样本，由N个振动数据点组成，其样本标签为y_m∈{1,2,3,...R}；

步骤2：确定正交稀疏自编码网络的输入维数N_in和输出维数N_out，根据输入维数N_in，将健康状态样本x_m分割为无重叠的J个样本片段，且J＝N/N_in，组成样本片段集其中，是第j个样本片段，由N_in个数据点组成；

步骤3：随机从步骤2获取的样本片段集中选取N_s个样本片段并组成局部样本片段集经白化处理后，获得白化局部样本片段集其中再利用该白化局部样本片段集训练正交稀疏自编码网络，即最小化目标函数：

式中，σ_r(·)为ReLU激活函数；λ为正交化约束系数；为局部权重矩阵W_loc第k行行向量；

训练完成后，获得网络的局部权重矩阵

步骤4：计算步骤3获得的局部权重矩阵W_loc与步骤2获得的样本片段的内积，得到样本片段的局部特征即：

将各局部特征算术平均，即获得健康状态样本x_m的样本特征

步骤5：利用带标签的样本特征{f_m,y_m}训练Softmax分类器，即最小化目标函数：

式中，分别为分类器权重矩阵W_class的第r行、第l行行向量；

训练完成后，获得Softmax分类器的权重矩阵

通过计算分类器的权重矩阵W_class与样本特征f_m的内积，输出样本特征对应各样本标签的概率分布，取最大概率所对应的样本标签作为样本x_m的健康状态，完成机械装备健康状态的智能识别；

所述的机械装备为行星齿轮箱。