[发明专利]基于多标签分类卷积神经网络的复合故障诊断方法及装置

摘要

本发明公开了一种基于多标签分类卷积神经网络的复合故障诊断方法及装置，所述方法包括步骤：步骤1：采集并提取单一故障和复合故障工况下的振动加速度信号样本；步骤2：对于每个样本按类型给定标签后划分为训练集和测试集；步骤3：搭建深层一维卷积神经网络，设置Sigmoid激活函数和边界损失函数Margin Loss；步骤4：直接将训练集振动数据输入搭建的深层一维卷积神经网络中进行训练；步骤5：通过Grid Search选取最优模型，并将其应用于测试集上，得到故障状态分类结果。本发明使分类器自适应地为复合故障输出多个标签，不但故障诊断精度高，且能克服传统分类器只能输出一个标签的局限性，实现对复合故障的诊断。

主权项

1.一种基于多标签分类卷积神经网络的复合故障诊断方法，其特征在于，包括步骤：步骤1：采集旋转机械在单一故障和复合故障工况下的振动加速度信号，并设置一定的样本提取参数截断提取若干样本；步骤2：对于每一个样本，单一故障给定单个标签，复合故障给定多个标签，然后按一定比例将给定标签的样本集随机划分为训练集和测试集；步骤3：利用Keras搭建深层一维卷积神经网络，设置输出层激活函数为Sigmoid激活函数，设置代价函数为边界损失函数Margin Loss；步骤4：直接将训练集振动数据输入步骤3搭建的深层一维卷积神经网络中进行训练；步骤5：通过Grid Search选取最优模型，并将其应用于测试集上，得到故障状态分类结果。