【技术实现步骤摘要】
基于稀疏自编码器和Softmax的轴承故障诊断方法及系统
本专利技术属于故障诊断方法，尤其涉及基于稀疏自编码器和Softmax的轴承故障诊断方法及系统。
技术介绍
近年来，机械设备正朝着高度集成化和自动化得方向发展。其中滚动轴承作为旋转机械、电气设备的重要部件，素有“工业的关节”之称，为了确保设备的生产效率和安全可靠运行，对滚动轴承的状态监测显得十分重要。由于滚动轴承运行时，其振动信号中富含丰富的反映运行状态的信息，因此在一些大型工业设备如航空发动机、燃气轮机中通常会布置大量的传感器获取滚动轴承的监测数据，但是如何从大量振动信号中获取滚动轴承的运行信息，提早发现故障，成为轴承故障诊断领域面临的新问题。近年来各种信号处理技术，如时域分析、频域分析、小波变换、经验模式分解等从原始振动信号中提取信号特征如均值、峰峰值、均方根值等用于诊断轴承故障得到了广泛的研究和应用。但是，基于信号处理技术的故障特征提取方法需要工作人员掌握和精通一定的信号处理知识，同时由于需要人工进行操作，所以需要耗费大量的人力来提取和分析区分性特种，此外由于是人...
【技术保护点】
1.一种基于稀疏自编码器和Softmax的轴承故障诊断方法，其特征在于，包括以下步骤：/n步骤1、采集滚动轴承不同运行状态下的时域振动信号，并根据时域振动信号构建无标签训练集和有标签训练集；/n步骤2、对无标签训练集和有标签训练集进行预处理；/n步骤3、根据预处理后的无标签训练集构建局部稀疏自编码器模型并训练；/n对原始稀疏自编码器隐层节点的输出采用ReLU函数进行激活得到激活响应，之后通过计算余弦相似度保留激活响应的前k个分量作为解码器的输入，从而得到局部稀疏自编码器模型；/n步骤4、将步骤2预处理后的有标签训练集输入至局部稀疏自编码器模型中，局部稀疏自编码器模型输出振动...
【技术特征摘要】
1.一种基于稀疏自编码器和Softmax的轴承故障诊断方法，其特征在于，包括以下步骤：
步骤1、采集滚动轴承不同运行状态下的时域振动信号，并根据时域振动信号构建无标签训练集和有标签训练集；
步骤2、对无标签训练集和有标签训练集进行预处理；
步骤3、根据预处理后的无标签训练集构建局部稀疏自编码器模型并训练；
对原始稀疏自编码器隐层节点的输出采用ReLU函数进行激活得到激活响应，之后通过计算余弦相似度保留激活响应的前k个分量作为解码器的输入，从而得到局部稀疏自编码器模型；
步骤4、将步骤2预处理后的有标签训练集输入至局部稀疏自编码器模型中，局部稀疏自编码器模型输出振动信号的特征表征；
步骤5、利用振动信号的特征表征训练Softmax分类器，然后采用训练后的局部稀疏自编码器模型和Softmax分类器确定振动信号对应的故障类型。
2.根据权利要求1所述的一种基于稀疏自编码器和Softmax的轴承故障诊断方法，其特征在于，步骤2中无标签训练集和有标签训练集的预处理包括训练集的标准化、数据分片和ZCA白化处理。
3.根据权利要求1所述的一种基于稀疏自编码器和Softmax的轴承故障诊断方法，其特征在于，步骤3中局部稀疏自编码器的建模方法具体如下：
在原始稀疏自编码器的基础上，令为矩阵的列向量，为变换矩阵，通过对矩阵W的每一列w(n)做归一化，得到归一化后的矩阵在ReLU函数的映射s(x)＝max(0,x)下将每一个M维振动信号x(l)变换成其对应的特征表征z(l)，之后选择特征表征余弦相似度最大的前k项作为译码器的输入。
4.根据权利要求3所述的一种基于稀疏自编码器和Softmax的轴承故障诊断方法，其特征在于，选择前k项的方法具体如下：
首先，通过计算每个样本x(l)在W中的余弦相似度，得到输入信号x(l)在W中的向量投影，计算公式如下：
然后，选择样本x(l)的前k个近邻激活单元，即z(l)的余弦相似度最大的前k项保留为其他激活单元都置为0，具体计算公式如下：
5.根据权利要求1所述的一种基于稀疏自编码器和Softmax的轴承故障诊断方法...
【专利技术属性】
技术研发人员：杨清宇，陈亮，张志强，
申请(专利权)人：西安交通大学，
类型：发明
国别省市：陕西;61
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。