欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 2021111366825
申请人: 苏州大学
专利类型:发明专利
专利状态:已下证
专利领域: 计算;推算;计数
更新日期:2026-11-16
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.一种类不平衡数据集下的机械故障智能诊断方法,其特征在于,包括:步骤(1)、数据预处理:把机械振动信号转换到频域,并把幅值归一化到[0,1]范围;

步骤(2)、模型搭建:把自动编码器和生成对抗网络进行组合,搭建数据生成模型;

步骤(3)、模型训练:利用故障数据按照预设的损失函数和优化算法训练所述数据生成模型;

步骤(4)、数据生成:利用所述数据生成模型在训练中学习到的故障数据低维特征,通过多次插值、加噪后生成对应类的故障数据,实现各类数据平衡;

步骤(5)、故障诊断:利用类平衡数据集训练预设的故障诊断模型,利用训练好的故障诊断模型对机械故障进行智能诊断。

2.如权利要求1所述的类不平衡数据集下的机械故障智能诊断方法,其特征在于,步骤(2)中,所述自动编码器由编码器和解码器组成,所述生成对抗网络由生成器和判别器组成,解码器就是生成器;所述自动编码器通过编码器学习输入数据即真数据的低维特征,再通过低维特征及其类别标签经过解码器输出与输入数据分布特性一致的生成数据即假数据;所述生成对抗网络中的判别器分别对所述输入数据和所述生成数据进行真假判别和类别分类。

3.如权利要求2所述的类不平衡数据集下的机械故障智能诊断方法,其特征在于,所述编码器、所述解码器和所述判别器都包括通过深度卷积网络、深度置信网络、残差网络中的一种来构建。

4.如权利要求1所述的类不平衡数据集下的机械故障智能诊断方法,其特征在于,步骤(3)中,所述预设的损失函数包括生成器生成数据与编码器输入数据之间的均方误差损失函数、判别器对真假数据的交叉熵分类损失函数、判别器对数据真假鉴别的Wasserstein距离或者二值交叉熵损失函数以及编码器输出特征和判别器中间隐含特征之间的均方误差损失函数。

5.如权利要求1所述的类不平衡数据集下的机械故障智能诊断方法,其特征在于,步骤(3)中,所述预设的优化算法包括随机梯度下降法、带动量的随机梯度下降、Nesterov动量法、Adagrad算法、自适应矩估计法中的一种。

6.如权利要求1所述的类不平衡数据集下的机械故障智能诊断方法,其特征在于,步骤(4)中,所述插值是在同类别故障样本的不同低维特征中进行的,在生成故障数据之前需嵌入该类别的标签,加入的噪声为低幅值的随机噪声。

7.如权利要求1所述的类不平衡数据集下的机械故障智能诊断方法,其特征在于,步骤(5)中,所述预设的故障诊断模型包括支持向量机、k最近邻算法、随机森林、模糊系统或者深度神经网络中的一种。

8.一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现权利要求1到7任一项所述方法的步骤。

9.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现权利要求1到7任一项所述方法的步骤。

10.一种处理器,其特征在于,所述处理器用于运行程序,其中,所述程序运行时执行权利要求1到7任一项所述的方法。