[发明专利]基于故障标签信息向量的轴承复合故障诊断方法

权利要求书

1.基于故障标签信息向量的轴承复合故障诊断方法，其特征在于，构建零样本学习模型，利用零样本学习模型进行复合故障诊断；所述零样本学习模型包括：数据预处理模块、标签信息定义模块、特征提取模块、生成对抗模块、分类模块；

所述数据预处理模块用于将原始故障数据φ(t)即一维振动信号转换为二维图像即故障图像q；原始故障数据φ(t)包括：单故障数据φ_s(t)和复合故障数据φ_u(t)；故障图像q包括单故障图像q_s和复合故障图像q_u；

所述标签信息定义模块用于根据原始故障数据构建故障标签信息向量G，包括：单故障标签信息向量G_s和复合故障标签信息向量G_u；

所述特征提取模块用于对数据预处理模块所转换的故障图像q提取故障特征向量，包括：对单故障图像q_s提取单故障特征向量v_s，对复合故障图像q_u提取复合故障特征向量v_u；

所述生成对抗模块用于学习故障特征空间与故障标签信息空间之间的映射关系；

所述分类模块用于根据故障特征空间与故障标签信息空间之间的映射关系，以及根据单故障标签信息向量G_s和复合故障标签信息向量G_u之间的关联关系，并利用复合故障标签信息向量G_u进行复合故障诊断。

2.根据权利要求1所述的基于故障标签信息向量的轴承复合故障诊断方法，其特征在于，所述数据预处理模块通过小波变换将原始故障数据φ(t)即一维振动信号转换为二维小波图像即故障图像q。

3.根据权利要求1所述的基于故障标签信息向量的轴承复合故障诊断方法，其特征在于，复合故障是由不同的单故障构成的，每个单故障类别对应一个单故障标签信息向量G_s，每个复合故障类别对应一个复合故障标签信息向量G_u；所述标签信息定义模块先根单故障数据φ_s(t)生成单故障标签信息向量G_s，再根据复合故障所包含的单故障类别，得到复合故障标签信息向量G_u；具体如下所示：

S31，标签信息定义模块利用单故障数据φ_s(t)提取单故障标签信息向量G_s，单故障标签信息向量G_s的维度均为C×1；其中，第k个单故障类别所对应的单故障标签信息向量即表示第k个单故障类别所对应的单故障标签信息向量中的第c个维度数据，c＝1，2，3…C；上标k表示单故障类别序号，k＝1，2，3…K，K表示单故障类别的总数量；下标s表示单故障；

针对第k个单故障类别，选取单故障数据中的连续C个数据点，具体为即表示第k个单故障类别所对应单故障数据中的第c个数据点幅值，c＝1，2，3…C；

从K个单故障类别所对应的单故障数据中的C个数据点中选取最大值作为阈值μ，即

根据阈值μ将数据点的幅值范围划分为五等份，判断第k个单故障类别的单故障数据中的各个数据点幅值所在的范围区间，从而得到第k个单故障类别的单故障标签信息向量的中各个维度数据的取值为：

S32，标签信息定义模块根据复合故障与单故障之间的关联关系，即复合故障是由若干个不同的单故障构成的，结合对应的单故障标签信息向量G_s得到复合故障标签信息向量G_u；复合故障标签信息向量G_u的维度也均为C×1；

其中，由类别序号为1，…，J的单故障所构成的复合故障标签信息向量如下所示：

上标1，…，J是指构成复合故障的单故障的类别序号，J＝2，3…，K。