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：东南大学

摘要：本发明公开了一种对抗性度量卷积网络的旋转机械健康评估方法，包括以下步骤：采用连续小波变换将采集的旋转机械振动信号转换为时频图，并划分数据集和标记寿命值；构建对抗性度量卷积网络；将数据输入至网络；采用源特征提取器提取源特征；将源特征输入至回归器，预测寿命值；将源特征提取器的参数迁移至目标特征提取器；采用目标特征提取器提取目标特征；将源和目标特征输入至对抗判别器，并将目标特征和目标数据输入至信息对比器；更新参数；将目标特征提取器和回归器组合，实现对旋转机械健康评估。本发明能够较准确的对旋转机械健康状态进行监测。

主权项：1.一种对抗性度量卷积网络的旋转机械健康评估方法，其特征在于包括如下步骤：步骤1，使用加速度传感器采集不同工况下旋转机械中轴承运行至失效时的水平方向振动信号，并采用连续小波变换获取振动信号的时频图，将所有时频图划分源域和目标域数据集，最后标记源域数据所对应的旋转机械剩余寿命值；步骤2，构建对抗性度量卷积网络，包括源特征提取器、目标特征提取器、回归器、对抗判别器和信息对比器；步骤3，将标记的源域数据和未标记的目标域数据输入至对抗性度量卷积网络；步骤4，采用源特征提取器提取源域时频图中的特征向量，重构源机械退化特征；步骤5，将源机械退化特征输入至回归器，预测剩余寿命值，采用回归损失更新源特征提取器和回归器的参数；步骤6，将源特征提取器的参数迁移至目标特征提取器；步骤7，采用目标特征提取器提取目标域时频图中的特征向量，重构目标机械退化特征；步骤8，将源和目标机械退化特征输入至对抗判别器，并将目标机械退化特征和目标域数据输入至信息对比器；步骤9，采用对抗判别器的对抗损失和信息对比器的信息损失更新目标特征提取器的参数；步骤10，将优化的目标特征提取器和回归器组合，预测目标域数据的剩余寿命值，从而实现对旋转机械健康评估；所述步骤2中对抗性度量卷积网络由1个源特征提取器，1个目标特征提取器，1个回归器，1个对抗判别器和1个信息对比器组成；源特征提取器和目标特征提取器的结构一致，由2层时间残差块，2层注意权重层和2层最大池化层组成；回归器和对抗判别器均由3层全连接层组成；信息对比器由2层编码器组成；所述时间残差块由两层膨胀空洞卷积及一层残差卷积组成，其中第一层膨胀空洞卷积的膨胀率d为1，第二层膨胀空洞卷积的膨胀率d为2；多元信号输入时间残差块后，每层膨胀空洞卷积分别进行膨胀空洞卷积，计算方式如下： 式中，i表示第i个时频图信号元素，k表示核尺寸，表示偏值，fk表示过滤器，σ表示激活函数；双层时间卷积网络的多元特征重构计算方式如下： 式中，Φd表示膨胀空洞卷积，m1和m2表示dropout的特征掩膜，表示残差卷积，表示矩阵加法，wl表示残差卷积权重，bl表示残差卷积偏值；源特征提取器ES和目标特征提取器ET从输入至输出，包括第一层时间残差块，第一层注意权重层，第一层最大池化层，第二层时间残差块，第二层注意权重层和第二层最大池化层；源域数据xS和目标域数据xT分别输入源特征提取器ES和目标特征提取器ET，分别提取源机械退化特征fS和目标机械退化特征fT；注意权重计算分解步骤为：步骤5.1，将输入X分别进行3次线性变换，获取对应的输出Q，K和V；Q＝wqXK＝wkXV＝wvX式中，wk，wq和wv分别为Q，K和V的权重矩阵；步骤5.2，利用Q，K和V的权重矩阵和softmax函数，计算注意权重 式中，dk是权重矩阵K的维数，T为矩阵转置操作；所述步骤9中所述目标特征提取器ET更新过程，描述如下： 式中，表示完全损失，表示对抗损失，表示信息损失，Θ表示ET参数，λ表示正则系数，用于平衡对抗损失和信息损失对模型的实际贡献；通过所述完全损失对目标特征提取器ET进行参数更新，具体为： 式中，θf表示目标特征提取器参数，η表示模型学习率，通过上述梯度计算，可以获取具有最优参数的模型；通过组合优化的目标特征提取器和回归器，结合滚动轴承相应的振动信号从而完成相应的旋转机械健康评估任务。

全文数据：

权利要求：

百度查询： 东南大学 一种对抗性度量卷积网络的旋转机械健康评估方法