1.一种基于最优输运的传动链无监督域适应故障诊断方法,其特征在于:包括以下步骤:(1)搭建传动链故障数据库:采集传动链源域和目标域故障数据,有标签源域故障样本集为 其对应标签为 其中 为第m个源域故障样本, 为 对应的标签,s表示源域,m为源域样本总数;无标签目标域故障样本集为其中 为第n个目标域故障样本,t表示目标域,n为目标域样本总数;
源域故障样本集和目标域故障样本集共同构成传动链故障数据库;
(2)构造无监督域适应特征提取及分类模型:采用自动编码器作为特征提取器f,自动提取源域和目标域故障样本的特征,并使用源域样本训练softmax分类器g,从而得到目标域故障样本的预测标签,实现目标域故障样本的无监督域适应特征提取及分类模型的构造;
(3)建立融合最优输运的无监督域适应故障诊断模型:通过无监督域适应特征提取及分类模型处理源域和目标域故障样本,获得样本特征和相应标签;将特征提取器f和softmax分类器g融入到最优输运求解器的目标函数中,通过样本特征及标签计算输运规划矩阵γ,对齐源域和目标域的分布,并将源域标签信息输运到目标域;交替优化无监督域适应特征提取及分类模型与最优输运求解器,从而获得融合最优输运的无监督域适应故障诊断模型;
(4)将目标域数据送入训练好的特征提取器f和softmax分类器g,得到目标域数据的预测标签,并计算其分类精度。
2.根据权利要求1所述的基于最优输运的传动链无监督域适应故障诊断方法,其特征在于:所述步骤(2)中,采用自动编码器作为特征提取器f,自动提取源域和目标域故障样本的特征的具体过程为:自动编码器通过一个函数hθ把输入数据x编码为代表性特征y;这个过程表示为:y=hθ(x)=σ(Wx+b)
其中,θ表示编码部分的参数;W表示编码过程的权重矩阵,b表示编码过程的偏置向量;
σ表示激活函数;
相应地,解码部分通过函数h′θ′把代表性特征重构回输入数据:x′=h′θ′(y)=σ′(W′y+b′)
其中,θ′表示解码部分的参数,x′为重构的输入数据,W′表示解码过程的权重矩阵,b′表示解码过程的偏置向量,σ′表示解码过程的激活函数;
整个自动编码器网络的损失函数为:
其中,xρ和x′ρ分别表示第ρ个输入数据和解码器重构的输入数据,ρ=1,2,…,I,I为输入数据的个数,||x′ρ‑xρ||2表示x′ρ‑xρ的2‑范数。
3.根据权利要求2所述的基于最优输运的传动链无监督域适应故障诊断方法,其特征在于:所述步骤(2)中,softmax分类器的功能是估计每个样本属于每个类别的概率,并将概率最高的类别作为样本的类别;
(1) (1) (2) (2) (τ) (τ) (τ)给定输入数据及对应标签{(x ,y ),(x ,y ),…,(x ,y )},其中,x 表示第τ(τ) (τ) (τ)个输入数据,y 表示x 对应的标签,且y ∈{1,2,…,k},k表示标签的类别数;则输入数(τ)据x 的标签概率 为:
其中, 表示softmax分类器的参数,T表示向量的转置, 表示对所有 求和,实现概率值的归一化; 表示第l个参数 的转置;
交叉熵损失被用作softmax分类器的损失函数
(α) (α)
其中,1{表达式为真}=1,1{表达式为假}=0,y 为第α个输入数据x 的标签,α=1,
2,…,τ,β表示第β类标签,β=1,2,…,k; 表示第β个参数 的转置。
4.根据权利要求3所述的基于最优输运的传动链无监督域适应故障诊断方法,其特征在于:所述步骤(3)中,最优输运求解器用来计算源域和目标域概率分布之间的距离,域适应问题看作是离散最优输运问题的特例;
设源域和目标域样本的边缘分布分别为μs和μt,则源域和目标域特征空间和标签空间的距离为:其中,C(i,j)表示将概率质量从第i个源域样本特征和标签移到第j个目标域样本特征和标签的成本;C为成本矩阵,i=1,2,…,m,j=1,2,…,n; 表示第i个源域样本的特征; 表示第j个目标域样本的特征;η表示权衡参数; 表示计算源域和目标域样本特征之间的L2距离; 表示计算源域和目标域标签之间的交叉熵损失;
由于目标域样本没有对应标签, 不能被直接使用,因此用源域训练的softmax分类器g生成目标域样本特征的标签 即:求解最优输运规划的目标函数为:
其中, 表示所有输运规划γ的集合;γ(i,j)
为第i个源域样本特征和标签转移到第j个目标域样本特征和标签的概率质量;1n表示元素+ m×n为1的n×1向量;1m表示元素为1的m×1向量;(R) 表示维度为m×n的正实数矩阵;<·,·>表示求Frobenius点积;
输运规划的初始值γ0按以下方法计算:
其中,C0为将概率质量从源域样本移到目标域样本的成本矩阵,且γ0(i,j)为第i个源域样本转移到第j个目标域样本的概率质量。
5.根据权利要求4所述的基于最优输运的传动链无监督域适应故障诊断方法,其特征在于:所述步骤(3)中,整个模型要优化的目标损失函数为:其中,f′表示自动编码器的解码器, 和 分别表示将源域特征和 解码为输入数据;Lf和Lg分别表示特征提取器f和softmax分类器g的损失函数;
使用协同下降算法交替求解目标损失函数:
当特征提取器f和softmax分类器g的参数固定时,目标损失函数写成:上式是一个标准的线性规划问题,用网络单纯形流算法求解;
当输运规划γ固定时,目标损失函数写成:
采用Adam算法求解上式。
6.根据权利要求5所述的基于最优输运的传动链无监督域适应故障诊断方法,其特征在于:所述步骤(4)中,目标域样本标签的预测精度accuracy按下式计算:其中, 为样本 预测的标签, 为对应的真标签;1{·}是一个二值函数,当时, 为1;当 时, 为0。