1.一种齿轮箱复合故障诊断方法,其特征在于,包括:
采用改进的特征模式分解算法分别对多工况下的齿轮箱振动信号进行模式分解,得到数据样本,其中,所述数据样本包括带标签的源域数据和无标签的目标域数据;
使用所述源域数据及其对应的标签预训练故障诊断模型,其中,所述故障诊断模型包括多尺度注意力增强网络和Transformer网络;
基于特征库和预训练的故障诊断模型对所述目标域数据进行双重迁移学习,实现对目标域数据的故障诊断,其中,所述特征库包括所述预训练的故障诊断模型对所述源域数据进行特征提取得到的源域特征;
所述基于特征库和预训练的故障诊断模型对所述目标域数据进行双重迁移学习,包括:对所述目标域数据依次进行DBSCAN聚类和k-means优化生成伪标签;利用所述预训练的故障诊断模型对所述目标域数据进行特征提取得到目标域特征;基于所述特征库中的特征对所述目标域特征进行迁移学习;将迁移学习后的目标域特征和所述伪标签作为反馈,再次进行k-means优化,以更新所述伪标签和所述特征库,并返回至所述基于所述特征库中的特征对所述目标域特征进行迁移学习的步骤,直至得到所述目标域数据的故障诊断结果。
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,所述方法还包括:使用所述目标域数据及其对应的故障诊断结果训练所述预训练的故障诊断模型,得到训练好的故障诊断模型;
利用所述训练好的故障诊断模型对齿轮箱进行复合故障的诊断。
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,所述改进的特征模式分解算法中使用的分解模态数和频带分段数基于遗传算法优化得到。
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,在基于遗传算法优化所述分解模态数和所述频带分段数时,通过二进制编码参数形成染色体,以相关峭度为适应度函数,进行轮盘赌选择、交叉和变异迭代更新种群直至适应度收敛,得到优化后的所述分解模态数和所述频带分段数。
5.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,所述多尺度注意力增强网络先通过通道注意力模块强化关键通道特征,再通过位置注意力模块融合空间位置关联信息,并对所述通道注意力模块和所述位置注意力模块的输出特征进行融合,实现多尺度特征增强。
6.根据权利要求5所述的齿轮箱复合故障诊断方法,其特征在于,通过下式对所述通道注意力模块和所述位置注意力模块的输出特征进行融合:;
其中,表示融合结果,表示所述通道注意力模块的输出特征,表示所述位置注意力模块的输出特征,表示缩放因子。
7.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,所述特征库还通过如下目标函数进行优化:;
其中,表示所述源域特征,D表示所述特征库,表示重构误差项,表示稀疏编码系数矩阵和表示正则化项。
8.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,通过下式进行k-means优化:;
其中,表示第j个聚类的中心向量,表示第j个聚类中数据点的数量,表示属于第j个聚类中的第i个数据点,表示对第j个聚类中所有数据点进行求和操作。
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,所述计算机程序被处理器执行时,实现如权利要求1-8中任一项所述的齿轮箱复合故障诊断方法。