1.一种齿轮箱复合故障诊断方法,其特征在于,包括:采集多种工况下齿轮箱的振动信号;
利用小波包分解所述振动信号获取小波包系数矩阵,并通过堆叠所述小波包系数矩阵获得三维张量;
利用通道注意力融合模块与位置注意力融合模块并联构造多工况信息融合网络,所述三维张量被输入至所述多工况信息融合网络;
获取所述通道注意力融合模块的输出值与所述位置注意力融合模块的输出值之和;
构建多尺度特征融合模块,并将输出值之和输入至所述多尺度特征融合模块;
提取并融合多尺度特征;
构建多标签分类器,所述多尺度特征被输入至所述多标签分类器;
获取多标签分类器的输出结果,
其中,所述多工况信息融合网络的自注意力机制为:其中,Q表示查询向量,K表示键向量,V表示值向量,Q、K和V均由所述三维张量经线性变换获得,d其中,所述获取所述位置注意力融合模块的输出值的步骤包括:将所述三维张量分别通过三个卷积核1x1的卷积层获得三个特征图B将三个特征图B
将变换后的特征图B
将变换后的特征图D
将所述第一中间矩阵进行矩阵变换,并与所述三维张量进行矩阵相加,获得输出值E其中,所述获取所述通道注意力融合模块的输出值的步骤包括:将所述三维张量进行矩阵变换,获得三个特征图B将矩阵变换后的特征图B
将所述通道注意力矩阵X与特征图D
将所述第二中间矩阵进行矩阵变换,并与所述三维张量进行矩阵相加,获得输出值E其中,所述构建多尺度特征融合模块的步骤包括:基于Swin Transformer为主干网络构建多尺度特征融合模块;
Swin Transformer网络主干包括patch partition模块、Linear Embedding模块、Patch Meraging模块以及Swin Transformer Block模块,其中,所述提取并融合多尺度特征的步骤包括:利用patch partition模块将输出值之和拆分为非重叠且等尺寸的patch序列;
利用Patch Meraging模块合并每组相邻的patch序列;
利用Linear Embedding模块将合并的patch序列投影至任意维度,获得一低维度的patch序列;
将低维度的patch序列嵌入至若干具有自注意力的Swin Transformer Block模块中,并提取多尺度特征;
利用Fusion Block融合所述多尺度特征。
2.根据权利要求1所述的齿轮箱复合故障诊断方法,其特征在于,所述利用小波包分解所述振动信号获取小波包系数矩阵的步骤包括:利用小波包分解算法将所述振动信号进行六层分解,所述小波包分解算法为:其中,
3.根据权利要求1所述的齿轮箱复合故障诊断方法,其特征在于,所述构建多标签分类器的步骤包括:基于逻辑斯谛函数构建标签分类器,所述逻辑斯谛函数为:其中,P
4.根据权利要求3所述的齿轮箱复合故障诊断方法,其特征在于,所述获取多标签分类器的输出结果的步骤包括:判断故障类型的概率是否大于或等于一预设阈值,若是,所述多标签分类器识别并输出故障类型。
5.一种齿轮箱复合故障诊断系统,其特征在于,包括:存储器,用于存储可执行程序代码;以及处理器,连接至所述存储器,通过读取所述可执行程序代码来运行与所述可执行程序代码对应的计算机程序,以执行如权利要求1-4中任一项齿轮箱复合故障诊断方法中的步骤。