[发明专利]基于数据融合和多通道卷积网络的故障诊断方法

权利要求书

1.基于数据融合和多通道卷积网络的故障诊断方法，其特征在于，具体按照以下步骤实施：

步骤1、输入轴承加速度的多源同质传感器数据，通过克里斯插值法，将缺失数据补全，之后计算各数据的贡献率，通过贡献率来将这些数据信号进行融合；

步骤2、对融合后的数据进行归一化处理，输入到多通道卷积网络中，输出故障初步分类决策；

步骤3、对多通道卷积网络的输出进行加权处理，从而得到最终决策。

2.根据权利要求1所述的基于数据融合和多通道卷积网络的故障诊断方法，其特征在于，所述步骤1具体如下：

步骤1.1、首先对输入的轴承加速度的多源同质传感器数据进行滤波处理，先对获取的多源同质数据进行高斯滤波处理，得到高斯滤波处理后的多源同质数据；

步骤1.2、采用空间插值法中的克里斯插值法，将不同传感器获得的数据进行数据补全处理，获得多组维度相同的同质数据，通过式(1)计算未知数据点的估计值：

其中，H(z_o)为未知样本点z_o的属性估计值，c为所有样本点的均值，h(z_i)为已知样本点z_i的属性值，N为已知样本点在未知样本点附近5个单位点的个数；i表示第i个数据点；

步骤1.3、通过步骤1.2得到补全的多源数据计算贡献率，具体方法如下：

首先计算数据信号之间的相关性，如公式(2)：

其中，R_i,j表示第i个信号与第j个信号之间的相关性，x_i(t₀)表示信号i中的第t₀个数据点，t表示所选数据点，n表示信号中的数据点的数量；

然后，对得到信号相关性进行定量计算如公式(3)：

其中，E_i为信号i的相关度，m为总的信号数量，j表示第j个信号，将相关度进行重要性分析，如公式(4)所示：

其中，y_i为信号i的信息冗余度，通过计算重要性分析，获取信号信息量的表示，计算重要性分析后的相关度表示的均值与方差，利用均值与方差来计算各个信号的贡献率如公式(5)：

其中，k_i表示第i个信号贡献率，y_i为重要性分析表示，μ为重要性分析表示均值，σ为重要性分析表示方差，归一化方式如公式(6)所示：

其中，K_i(t)为归一化后信号i的数据点t的贡献率，之后将每个信号的数据点按照时间序列与权重相乘的方式，如公式(7)所示：

其中，x(h)为数据点h融合后的信号值，对应点线性相加就可以得到经过数据级融合后的信号。