1.一种高铁齿轮箱损伤状态评估方法,其特征在于,包括:获取待识别的高铁齿轮箱的振动信号;
将所述振动信号输入预训练的高铁齿轮箱损伤状态评估模型,其中,所述高铁齿轮箱损伤状态评估模型包括动态域泛化特征提取器和损伤状态判别器,所述动态域泛化特征提取器包括静态卷积模块和动态卷积模块;
基于所述高铁齿轮箱损伤状态评估模型,根据所述静态卷积模块和动态卷积模块分别提取所述振动信号中的粗粒度域泛化特征和细粒度域泛化特征,根据所述粗粒度域泛化特征和细粒度域泛化特征,构建动态域泛化特征;
将所述动态域泛化特征输入损伤状态判别器,得到多种损伤状态的多维预测概率数据,并根据对应多种损伤状态的多维预测概率数据确定损伤状态评估结果;
根据所述静态卷积模块和动态卷积模块分别提取所述振动信号中的粗粒度域泛化特征和细粒度域泛化特征,根据所述粗粒度域泛化特征和细粒度域泛化特征,构建动态域泛化特征包括:通过所述静态卷积模块在一维层面提取粗粒度域泛化特征信息,表达式为:,
其中,表示振动信号,和分别表示一维卷积操作中的卷积核和偏置,和分别表示静态卷积模块中的卷积核和偏置,表示非线性激活函数,表示静态卷积模块输出的粗粒度特征;
通过所述动态卷积模块在一维层面提取细粒度域泛化特征信息,表达式为:,
,
,
其中,和分别表示动态卷积模块中的卷积核和偏置,表示动态卷积模块输出的细粒度特征,是所述动态卷积模块包括的四个结构相同但参数不同的卷积核,表示掩码操作,表示由所述动态卷积模块中元调节器生成的动态系数,表示元调节器模型参数,符号表示卷积核在结构上的重组;
根据所述粗粒度域泛化特征和细粒度域泛化特征,构建动态域泛化特征,表达式包括:,
其中,表示动态域泛化特征。
2.根据权利要求1所述的一种高铁齿轮箱损伤状态评估方法,其特征在于,所述高铁齿轮箱损伤状态评估模型还包括动态系数判别器,所述高铁齿轮箱损伤状态评估模型的训练过程包括:将不同工况下的训练数据依据指定的长度标准进行无重叠分割,形成独立子集,为其中已知损伤类型的独立子集分配训练类标签,为所述不同工况下的训练数据分配训练域标签,获得训练数据集;
将所述训练数据集输入动态域泛化特征提取器,提取所述训练数据中的粗粒度域泛化特征和细粒度域泛化特征,根据所述粗粒度域泛化特征和细粒度域泛化特征,构建动态域泛化特征;
基于所述动态卷积模块和动态系数判别器,建立动态系数判别损失函数,对抗以去除所述细粒度域泛化特征中的域信息,基于所述损伤状态判别器和动态域泛化特征提取器,建立动态域泛化特征判别损失函数,对抗以去除所述动态域泛化特征中的域信息,完成训练。
3.根据权利要求1所述的一种高铁齿轮箱损伤状态评估方法,其特征在于,在构建所述动态域泛化特征之后:基于所述动态卷积模块中元调节器生成的动态系数对所述训练数据集中的训练样本进行扰动,随机交换动态系数,表达式为:,
,
其中,和分别表示随机两个训练样本和经元调节器生成的动态系数集合,表示训练数据集,表示动态系数扰动操作,符号表示交换操作;
计算扰动前后同一训练样本输出的动态域泛化特征损失,表达式为:,
式中,为同一训练样本在扰动前输出的动态域泛化特征与扰动后输出动态域泛化特征之间的扰动损失,表示训练样本总数,表示扰动前第个训练样本的动态域泛化特征,此时动态系数为,表示扰动后第个训练样本的动态域泛化特征,此时动态系数为,表示计算二范数值;
根据反向传播和优化算法最小化所述扰动损失,用以提取不同训练样本之间具有区分性的细粒度特征。
4.根据权利要求2所述的一种高铁齿轮箱损伤状态评估方法,其特征在于,所述动态系数判别器包括动态系数分类器和动态系数域鉴别器,所述动态系数判别损失函数包括:,
式中,表示所述训练数据集中分配了训练类标签的训练样本总数,表示计算交叉熵损失,表示概率预测函数,表示对数函数,表示动态系数分类器,表示第i个训练样本的动态系数,表示训练类标签,表示所述训练数据集中的训练样本总数,表示动态系数域鉴别器,表示训练域标签,为动态系数判别损失;
通过所述动态卷积模块与动态系数域鉴别器对抗以去除动态卷积模块中提取的域信息。
5.根据权利要求2所述的一种高铁齿轮箱损伤状态评估方法,其特征在于,所述损伤状态判别器包括动态域泛化特征分类器和动态域泛化特征域鉴别器,所述动态域泛化特征判别损失函数包括:,
式中,表示所述训练数据集中分配了训练类标签的训练样本总数,表示计算交叉熵损失,表示概率预测函数,表示对数函数,表示动态域泛化特征分类器,表示第i个样本的动态域泛化特征,表示训练类标签,表示所述训练数据集中的训练样本总数,表示动态域泛化特征域鉴别器,表示训练域标签,为动态域泛化特征判别损失;
通过所述动态域泛化特征提取器和动态域泛化特征域鉴别器对抗以去除所述动态域泛化特征中的域信息。
6.根据权利要求3所述的一种高铁齿轮箱损伤状态评估方法,其特征在于,所述优化算法采用自适应矩估计算法、随机梯度下降算法和均方根传递算法中的一种。
7.一种高铁齿轮箱损伤状态评估装置,其特征在于,包括:采集模块,用于获取待识别的高铁齿轮箱的振动信号;
输入模块,用于将所述振动信号输入预训练的高铁齿轮箱损伤状态评估模型,其中,所述高铁齿轮箱损伤状态评估模型包括动态域泛化特征提取器和损伤状态判别器,所述动态域泛化特征提取器包括静态卷积模块和动态卷积模块;
提取模块,用于基于所述高铁齿轮箱损伤状态评估模型,根据所述静态卷积模块和动态卷积模块分别提取所述振动信号中的粗粒度域泛化特征和细粒度域泛化特征,根据所述粗粒度域泛化特征和细粒度域泛化特征,构建动态域泛化特征;
识别模块,用于将所述动态域泛化特征输入损伤状态判别器,得到多种损伤状态的多维预测概率数据,并根据对应多种损伤状态的多维预测概率数据确定损伤状态评估结果;
根据所述静态卷积模块和动态卷积模块分别提取所述振动信号中的粗粒度域泛化特征和细粒度域泛化特征,根据所述粗粒度域泛化特征和细粒度域泛化特征,构建动态域泛化特征包括:通过所述静态卷积模块在一维层面提取粗粒度域泛化特征信息,表达式为:,
其中,表示振动信号,和分别表示一维卷积操作中的卷积核和偏置,和分别表示静态卷积模块中的卷积核和偏置,表示非线性激活函数,表示静态卷积模块输出的粗粒度特征;
通过所述动态卷积模块在一维层面提取细粒度域泛化特征信息,表达式为:,
,
,
其中,和分别表示动态卷积模块中的卷积核和偏置,表示动态卷积模块输出的细粒度特征,是所述动态卷积模块包括的四个结构相同但参数不同的卷积核,表示掩码操作,表示由所述动态卷积模块中元调节器生成的动态系数,表示元调节器模型参数,符号表示卷积核在结构上的重组;
根据所述粗粒度域泛化特征和细粒度域泛化特征,构建动态域泛化特征,表达式包括:,
其中,表示动态域泛化特征。
8.一种电子终端,其特征在于,包括处理器和与所述处理器连接的存储器,在所述存储器内存储有计算机程序,当所述计算机程序被所述处理器执行时,执行如权利要求1至6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,该计算机程序被处理器执行时实现权利要求1至6任一项所述方法的步骤。