一种混合增强原型网络的行星齿轮箱故障诊断方法技术

本发明专利技术涉及一种混合增强原型网络的行星齿轮箱故障诊断方法，属于仿真分析技术领域。该方法包括以下步骤：S1、获取行星齿轮箱振动数据；S2、构建混合增强原型网络；S3、将行星齿轮箱训练集数据输入混合增强原型网络，通过支持数据集获取原型，并结合查询数据集进行优化训练；S4、输入测试集数据，输出故障诊断结果。本发明专利技术中的混合增强原型网络，采用Inception网络模块进行多尺度特征提取，降低了模型参数数量的同时增加了网络对输入数据不同尺度的适应性；同时采用DenseBlock网络模块学习不同尺度特征经过2个特征提取块的混合特征，增强了网络的非线性，从而提高了行星齿轮箱故障诊断效率和准确率。断效率和准确率。断效率和准确率。

【技术实现步骤摘要】
一种混合增强原型网络的行星齿轮箱故障诊断方法


[0001]本专利技术属于仿真分析
，涉及一种混合增强原型网络的行星齿轮箱故障诊断方法

技术介绍

[0002]行星齿轮箱具有承重能力强，传动比大，结构紧凑等优点，广泛用于重型卡车，直升机和风力涡轮机等许多重要的高输出功率机械设备。但是，由于结构复杂，工作环境恶劣，行星齿轮箱的关键部件经常发生冲击损坏，可能危及人身安全并造成巨大的经济损失。因此，行星齿轮箱有效、准确的故障诊断在学术领域和工业上仍然是一个巨大的挑战。
[0003]深度学习作为一种前沿的数据驱动方法，具有强大的非线性表示能力，可以从大量数据中自适应地提取特征。近年来，不同种类的深度学习方法，例如深度信念网络(Deep Belief Network,DBN)，深度自动编码器(Deep Auto
‑
Encoder,DAE)，卷积神经网络(Convolutional Neural Network，CNN)，残差网络(Residual Network,ResNet)等已被广泛关注并应用于行星齿轮箱的故障诊断。尽管如本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种混合增强原型网络的行星齿轮箱故障诊断方法，其特征在于，该方法包括以下步骤：S1、获取行星齿轮箱振动数据，构建训练集和测试集，其中训练集分为支持数据集和查询数据集；S2、构建混合增强原型网络；S3、将行星齿轮箱数据输入混合增强原型网络，通过支持数据集获取原型，并结合查询数据集进行优化训练；S4、将测试集输入模型，输出故障诊断结果。2.根据权利要求1所述的一种混合增强原型网络的行星齿轮箱故障诊断方法，其特征在于，所述步骤S1具体为：S11、布置传感器采集行星齿轮箱不同健康状态的振动数据，划分为训练集和测试集；S12、采用滑窗方式对原始数据进行截取，截取的样本长度为1
×2n
,n∈Z
+
；S13、通过重构方式，将原始振动数据重构为正方形，样本大小为2
n
‑1×2n
‑1,n∈Z
+
；S14、通过1:3的比例，将训练集样本划分为查询数据集和支持数据集。3.根据权利要求1所述的一种混合增强原型网络的行星齿轮箱故障诊断方法，其特征在于，所述步骤S2具体为：该混合增强原型网络包含1层Inception网络模块，1层DenseBlock网络模块，2层全连接层；所述Inception模块包括4条分支；所述DenseBlock模块包括2个特征提取块，分别为第一个特征提取块和第二个特征提取块；所述特征提取块分别依次包含Batchnorm层、ReLU激活层、卷积核大小为1
×
1的卷积层、Batchnorm层、ReLU激活层和卷积核大小为3
×
3的卷积层；该DenseBlock模块提取的特征由2个特征提取块的特征通道连接而成，并且用于提取Inception模块中不同尺度特征的混合特征。4.根据权利要求...

【专利技术属性】
技术研发人员：黄庆卿，盛佳会，胡小林，韩延，张焱，谢昊飞，魏旻，王浩，王平，刘兰徽，邢镔，
申请(专利权)人：重庆工业大数据创新中心有限公司，
类型：发明
国别省市：