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：国家能源集团宿迁发电有限公司;南京东振测控技术有限公司

摘要：本发明公开了一种基于卷积自编码的变工况下滚动轴承故障诊断方法，具体包括如下步骤；获得样本数据集：通过公开数据集获取滚动轴承在多个工况下的振动信号，得到振动信号的样本数据集，所述样本数据集包括源域数据集和目标域数据集；将源域数据集和目标域数据集分别输入至一维卷积自编码的编码器中，得到源域特征参数矩阵和目标域特征参数矩阵；重构样本数据集，通过重构后的样本数据集和样本数据集计算得到均方误差损失函数；训练一维卷积自编码和卷积神经网络；通过训练好的网络计算得到目标域数据集的诊断准确率；通过将一维卷积自编码和卷积神经网络相结合，实现了自适应特征提取和领域自适应的变工况下滚动轴承故障诊断。

主权项：1.一种基于卷积自编码的变工况下滚动轴承故障诊断方法，其特征在于：具体包括以下步骤：步骤S1、获得样本数据集：通过公开数据集获取滚动轴承在多个工况下的振动信号，并利用数据重叠分割方法对采集到的振动信号进行分割，得到振动信号的样本数据集，所述样本数据集包括源域数据集和目标域数据集；步骤S2、将源域数据集和目标域数据集分别输入至一维卷积自编码的编码器中，得到源域特征参数矩阵和目标域特征参数矩阵；步骤S3、将步骤S2中的源域特征参数矩阵和目标域特征参数矩阵输入到一维卷积自编码的解码器中得到重构后的样本数据集，通过重构后的样本数据集和样本数据集计算得到均方误差损失函数；步骤S4、将源域特征参数矩阵输入至卷积神经网络中，输出源域的状态类别并计算得到交叉熵损失函数；步骤S5、通过均方误差损失函数和交叉熵损失函数求和得到样本数据集的总损失函数，再利用反向传播算法更新一维卷积自编码和卷积神经网络的参数，直到样本数据集的总损失为0时，停止更新一维卷积自编码和卷积神经网络的参数，进入步骤S6；步骤S6、计算得到目标域数据集的诊断准确率；所述步骤S3中具体如下：将步骤S2中得到的源域特征参数矩阵和目标域特征参数矩阵，输入至一维卷积自编码的解码器中，得到重构后的样本数据集并计算均方误差损失函数： 其中，x为一维卷积自编码的编码器的输入，i为样本编号,xi为编码器的第i个输入样本，y为解码器的输出，yi为第i个样本解码器的输出，n为样本数量；所述交叉熵损失函数为： 其中c为轴承状态类别数量，z为是卷积神经网络的输出，j为类别编号，j取值为0,1,2…C-1，为第i个样本经过卷积神经网络后的第j维的输出值；1{·}为指数函数，当时，1{·}＝1；当时，1{·}＝0；P为发生的概率；所述步骤S6具体包括以下步骤：步骤S61：将S2中所述的目标域数据集输入到已经训练好的一维卷积自编码的编码器中得到目标域特征参数矩阵；步骤S62：当一维卷积自编码和卷积神经网络的参数停止更新后，得到训练完成后的一维卷积自编码和卷积神经网络，将步骤S61中的所述目标域特征参数矩阵输入训练完成后的一维卷积自编码和卷积神经网络中，输出得到甄别后的目标域的轴承状态类别，将甄别后的目标域的轴承状态类别与目标域的样本数据标签进行对比，计算得到本次滚动轴承故障的诊断准确率。

全文数据：

权利要求：

百度查询： 国家能源集团宿迁发电有限公司 南京东振测控技术有限公司 一种基于卷积自编码的变工况下滚动轴承故障诊断方法