[发明专利]基于微分数据增强的信息交互融合齿轮箱故障诊断方法

权利要求书

1.一种基于微分数据增强的信息交互融合齿轮箱故障诊断方法，其特征在于：包括如下步骤：

S1：获取风电齿轮箱中传感器的原始数据；

S2：对采集的原始数据分别进行一阶微分和二阶微分操作，得到含有原始数据互补信息的一阶微分数据和二阶微分数据；

S3：将一阶微分数据、二阶微分数据和原始数据在卷积网络进行特征提取后并行输入到信息交互融合模块进行特征交互融合，输出多个交互融合特征向量；

S4：将多个特征融合特征向量在通道维度拼接并输入到故障分类模块得到最终故障诊断结果。

2.根据权利要求1所述的基于微分数据增强的信息交互融合齿轮箱故障诊断方法，其特征在于：S1包括如下具体步骤：

S11：将所获得的风电齿轮箱原始数据根据故障类型的数目进行打标；

S12：采用z-score方法对所获得的原始数据进行标准化处理；

S13：将标准化的原始数据利用滑动窗口切分成长度相等的片段，得到可供网络训练使用的数据集。

3.根据权利要求1所述的基于微分数据增强的信息交互融合齿轮箱故障诊断方法，其特征在于：S2包括如下具体步骤：

将S13中切分的原始数据分别进行一阶微分操作和二阶微分操作，得到含有原始数据互补信息的一阶微分数据和二阶微分数据；

数字微分公式如下：

其中，x(t)为t时刻数值，x′(t)为t时刻微分后数值；

采用如下公式处理数据：

Δf(k)＝f(k+1)-f(k)

Δ²f(k)＝Δf(k+1)-Δf(k)

其中，f(k)表示k时刻原始数值，Δf(k)表示k时刻一阶微分数值，Δ²f(k)表示k时刻二阶微分数值。

4.根据权利要求1所述的基于微分数据增强的信息交互融合齿轮箱故障诊断方法，其特征在于：S3包括如下具体步骤：

S31：将一阶微分数据、二阶微分数据和原始数据分别在卷积网络进行特征提取，得到三个输入信息；

S32：将三个输入信息作为并行输入，使用计算平均值的方式压缩输入信息特征维度，得到三个压缩的特征；

S33：将三个压缩的特征在通道维度拼接；

S34：对拼接的特征使用两个全连接层提取特征并将特征扩展到与输入信息相同维度大小，全连接层中间使用Relu激活函数优化提取过程，在全连接层后使用Sigmoid激活函数获取输入信息权重；重复三次得到与三个输入信息对应的权重；

S35：将三个输入信息分别与对应权重相乘，得到赋予权重的三个输入信息，完成信息交互融合模块的特征交互融合过程；

步骤S36：将赋予权重的三个输入信息经过卷积网络特征提取后再次作为输入经过信息交互融合模块，进行第二次特征提取与特征交互融合；

步骤S37：将第二次赋予权重的三个输入信息在通道维度拼接，得到信息交互融合模块的最终输出特征向量。

5.根据权利要求1所述的基于微分数据增强的信息交互融合齿轮箱故障诊断方法，其特征在于：S4包括如下具体步骤：

S41：将信息交互融合模块的最终输出特征向量使用两个全连接层进一步提取特征并使输出通道数量与分类数量相同，全连接层中间使用Relu激活函数优化提取过程，得到进一步提取的状态特征向量；

S42：将进一步提取的状态特征向量输入到具有交叉熵损失函数的Softmax分类器中，所得的结果作为网络的输出，得到最后的诊断结果，其中交叉熵的计算公式如下：

其中，M为故障类别数量，N为样本数量，y_ic为符号函数，当观测样本i和样本c的类别相同时y_ic取1，否则取0，p_ic为观测样本i和样本c的预测概率。