买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：安徽大学

摘要：本发明公开了一种基于可解释平稳小波包卷积网络的旋转机械故障诊断方法，包括：步骤1：获取旋转机械关键零部件的不同健康状态振动信号；步骤2：对步骤1获取的振动信号进行数据预处理，得到训练集和测试集；步骤3：构建可解释平稳小波包卷积网络，包括多次交替堆叠的平稳小波包卷积层与软阈值去噪激活层，以及全局能量池化层、分类器；步骤4：对可解释平稳小波包卷积网络进行训练和测试，得到诊断模型，采用诊断模型进行旋转机械故障诊断。本发明识别准确率较高，可解释性较强，噪声鲁棒性较好，样本依赖性较低，可以有效的对旋转机械关键零部件进行故障诊断。

主权项：1.一种基于可解释平稳小波包卷积网络的旋转机械故障诊断方法，其特征在于，包括：步骤1：获取旋转机械关键零部件的不同健康状态振动信号；步骤2：对步骤1获取的振动信号进行数据预处理，得到训练集和测试集；步骤3：构建可解释平稳小波包卷积网络，包括多次交替堆叠的平稳小波包卷积层与软阈值去噪激活层，以及全局能量池化层、分类器；步骤4：对可解释平稳小波包卷积网络进行训练和测试，得到诊断模型，采用诊断模型进行旋转机械故障诊断；步骤3所述平稳小波包卷积层用于模拟平稳小波包分解，软阈值去噪激活层用于模拟软阈值去噪过程，全局能量池化层用于模拟对小波各频带能量信息的挖掘；所述网络通过平稳小波包卷积层以及软阈值去噪激活层的不断堆叠将原始输入信号分解成多个小波系数频带通道，通过全局能量池化层提取各频带通道的平均能量特征，通过分类器对全局能量池化层输出特征进行故障分类；所述平稳小波包卷积层包括多通道SWPT分解层，每个通道SWPT分解层均包括可以从数据中学习的低通滤波器hln和高通滤波器gln；每个通道SWPT分解层的分解系数为： 式中：n、m表示系数序列的索引，N是原始输入信号长度；sl,jn表示第l层分解的第j个子频带的平稳小波包系数序列；sl+1,2jm表示第l+1层分解的第2j个子频带的平稳小波包系数序列；sl+1,2j+1m表示第l+1层分解的第2j+1个子频带的平稳小波包系数序列；其中，对于第l层有j＝0,1,...,2l-1；hl+1n-m、gl+1n-m分别表示第l+1层的低通滤波器和高通滤波器系数；且 式中：gln、hln分别表示第l层高通滤波器和低通滤波器的第n个值，gl+12ngl+12n+1分别表示第l+1层高通滤波器第2n、2n+1个值，hl+12n、hl+12n+1分别表示第l+1层低通滤波器第2n、2n+1个值；所述软阈值去噪激活层模拟软阈值去噪过程为： 式中：为通道数为C、长度为N′的输入系数特征图，Sin表示S第i个通道的第n个特征值，|·|为绝对值算子，GAP·表示全局平均池化函数，S′i为经过GAP得到通道统计向量S′的第i个输出通道，α为尺度向量，λ是非负阈值，W1、W2分别表示软阈值去噪激活层中两个全连接层的权重矩阵，δ·、σ·分别指ReLU和Sigmoid激活函数，sgn·表示符号函数，为软阈值去噪激活层的输出。

全文数据：

权利要求：

百度查询： 安徽大学 基于可解释平稳小波包卷积网络的旋转机械故障诊断方法