1.一种基于特征融合和无监督域自适应的轴承故障诊断方法,其特征在于,包括以下步骤:(1)采集不同工况的振动信号,经过预处理步骤,分别得到多个源域和目标域数据集;
(2)建立轴承故障诊断模型的网络,包括域不变特征提取器、域增强特征提取器、特定域特征提取器和特定域故障分类器四个子模块;
步骤(2)建立轴承故障诊断模型的网络操作如下:
(2.1)所述域不变特征提取器表示为:g
所述域增强特征提取器表示为:g
所述特定域特征提取器表示为:g
所述特定域故障分类器表示为:f
其中,X表示包括所有源域和目标域的样本;Z
(2.2)所述域不变特征提取器由深度残差网络组成,网络深度不包括池化层和批归一化层;域不变特征提取器将来自于所有域的样本映射到共同特征空间Z(2.3)所述域增强特征提取器由深度残差网络组成,网络深度不包括池化层和批归一化层;域增强特征提取器将来自于单个源域和目标域的样本映射到共同特征空间D(2.4)所述特定域特征提取器由一个卷积模块、两个混合注意力模块、一个拼接层和一个自适应平均池化层组成,卷积模块由一个一维卷积层、一个批归一化层和一个激活函数层组成;特定域特征提取器将经过域不变特征提取器的特征表示和经过域增强特征提取器的特征表示拼接后映射到共同特征空间D(2.5)所述特定域故障分类器由三个全连接层组成,输出节点为故障种类的数量;特定域故障分类器将来自于上游特定域特征提取器的单个源域和目标域的特征表示映射到故障种类概率空间S中,其输出特征向量维度与故障种类数量一致,表示属于某一类故障的概率,因此,共有源域数量n(3)建立轴承故障诊断模型的目标函数,并指定相应的模型训练策略;
(4)将训练数据集输入轴承故障诊断模型,并训练轴承故障诊断模型的网络结构;
(5)将目标域数据集输入训练好的轴承故障诊断模型,实现轴承故障诊断。
2.根据权利要求1所述的一种基于特征融合和无监督域自适应的轴承故障诊断方法,其特征在于,步骤(1)中的源域数据集和目标域数据集具体表示为:(1.1)源域数据集表示为:
目标域数据集表示为:
其中,D
(1.2)所述源域大于等于两个,即n
3.根据权利要求1所述的一种基于特征融合和无监督域自适应的轴承故障诊断方法,其特征在于,步骤(1)中对于振动信号预处理的具体过程为:不同工况下的振动信号预处理方式相同,均是将振动信号以不采取任何重叠的方式切分为样本,表示为x
4.根据权利要求1所述的一种基于特征融合和无监督域自适应的轴承故障诊断方法,其特征在于,步骤(2.4)中的混合注意力模块的具体描述为:所述混合注意力模块由通道注意力模块和空间注意力模块组成,最终得到改进特征表示,其中,通道注意力模块先将卷积后的特征平均池化和最大池化分别得到最后将富集特征乘以一个卷积核尺寸为k的一维卷积C1D其中,σ表示Sigmoid激活函数;
其次,将经过通道注意力模块的特征输入到空间注意力模块中,按比例将多通道特征划分为F'
5.根据权利要求1所述的一种基于特征融合和无监督域自适应的轴承故障诊断方法,其特征在于,步骤(3)中所述轴承故障诊断模型的目标函数,分为四个子目标函数,分别为:源域故障分类目标函数、域增强故障分类目标函数、特定域分布差异最小化目标函数和分类器正则化目标函数:(3.1)所述源域故障分类目标函数针对所有源域故障分类任务而言,共源域数量n其中,
(3.2)所述域增强故障分类目标函数针对经过域增强特征提取器的单个源域和目标域的故障分类而言,用于将域增强特征提取器提取的源域样本分类,增强源域信息对于分类性能的增强;所述域增强故障分类目标函数将经过域增强特征提取器的域增强特征表示经过最大平均池化后经过全连接层输出故障类概率向量,最终单个域增强故障分类目标函数为:其中,
(3.3)所述特定域分布差异最小化目标函数针对经过特定域特征提取器的特征F其中,
(3.4)所述分类器正则化目标函数针对特定域故障分类器输出样本而言,就模型准确率来说,单个源域对目标域样本的故障种类分类性能好,则在特定域故障分类器输出端的结果应趋于一致,有利于目标域上的故障分类,其目标函数为:F
F
其中,
所述轴承故障诊断模型的训练策略指轴承故障诊断模型的网络结构的优化策略,所述模型训练由源域样本和目标域样本共同对模型进行训练;在实现轴承故障诊断模型在保证源域样本轴承故障诊断准确率的基础上,具备对目标域样本实现精准轴承故障诊断分类能力,其训练策略的整体优化目标为:其中,α,β,γ分别表示域增强故障分类目标函数、特定域分布差异最小化目标函数、分类器正则化目标函数的权重系数。
6.根据权利要求1所述的一种基于特征融合和无监督域自适应的轴承故障诊断方法,其特征在于,步骤(4)的具体过程为:(4.1)按照步骤(1)中的方法得到源域训练数据集和目标域数据集,即所述训练数据集;
(4.2)选择网络的学习率、优化器、训练批次大小和训练轮数,将得到的训练数据集输入到设定好的轴承故障诊断模型中,得到最佳轴承故障诊断模型。