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：本溪钢铁(集团)信息自动化有限责任公司

摘要：本发明提供一种基于改进损失函数的行星齿轮箱故障诊断方法及装置，通过对归一化处理后的样本振动数据构造样本图数据集，以利用图神经网络有效开发样本节点间隐含的相互依赖关系，利用节点间的边反应样本间的相互连接关系；同时提供两条特征学习路线，监督对比学习分支可以基于原始样本的增强样本学习到一个具有类内紧凑性和类间可分离性的高维特征表示空间，线性分类器分支则可以基于原始样本，通过将同类样本映射到相同的1‑hot编码向量来识别具有相同标签样本之间的相似性，基于上述两个分支对应的模型损失进行模型训练，可以提升模型的特征提取能力，增加模型分类精度，面对体量浩大、价值稀疏的工业大数据具有更好的自适应性。

主权项：1.一种基于改进损失函数的行星齿轮箱故障诊断方法，其特征在于，包括：数据采集步骤：采集样本行星齿轮箱在不同健康状态时的样本振动数据；单轮训练步骤：将当前批中的各个样本振动数据分别转换为样本图数据，获取所述各个样本振动数据的增强样本数据，将各个增强样本数据分别转换为样本增强图数据后，将所述各个样本振动数据对应的样本图数据输入至诊断网络的线性分类器分支，得到所述线性分类器分支对应的分类模型损失，和，将各个增强样本数据对应的样本增强图数据输入至所述诊断网络的监督对比学习分支，得到所述监督对比学习分支对应的监督对比模型损失，并基于所述分类模型损失和所述监督对比模型损失对所述诊断网络进行参数更新；迭代训练步骤：重复执行所述单轮训练步骤，直至到达迭代收敛条件，得到训练好的诊断网络；模型推理步骤：将待诊断行星齿轮箱的振动数据转换为图数据，并基于所述训练好的诊断网络对所述待诊断行星齿轮箱的图数据进行故障诊断；其中，所述诊断网络包括主干特征提取网络、线性层和投影层，所述诊断网络的线性分类器分支由所述主干特征提取网络和线性层组成，所述诊断网络的监督对比学习分支由所述主干特征提取网络和投影层组成，所述主干特征提取网络是基于图神经网络构建的；样本振动数据对应的样本图数据、增强样本数据对应的样本增强图数据以及待诊断行星齿轮箱的振动数据对应的图数据是基于如下步骤转换得到的：对待转换振动数据进行归一化处理，得到归一化振动数据；其中，所述待转换振动数据为样本振动数据、增强样本数据或待诊断行星齿轮箱的振动数据；基于预设的采样长度和滑动距离对所述归一化振动数据进行样本划分，得到多个归一化子数据；其中，任一归一化子数据对应一个图节点；针对任一归一化子数据，基于K最邻近算法从其它归一化子数据中确定所述任一归一化子数据的多个邻居图节点，并计算所述任一归一化子数据与各个邻居图节点之间的边权重；基于各个归一化子数据的邻居图节点以及各个归一化子数据与其各个邻居图节点之间的边权重，构建所述待转换振动数据的图数据；其中，所述待转换振动数据的图数据为样本振动数据对应的样本图数据、增强样本数据对应的样本增强图数据或者待诊断行星齿轮箱的振动数据对应的图数据。

全文数据：

权利要求：

百度查询： 本溪钢铁(集团)信息自动化有限责任公司 基于改进损失函数的行星齿轮箱故障诊断方法及装置