一种多尺度元深度残差收缩网络的机械故障在线诊断方法技术

本发明专利技术属于机械故障诊断技术领域，具体涉及一种多尺度元深度残差收缩网络的机械故障在线诊断方法，能解决传统机械故障诊断技术带来的主观性，不准确问题，能避免大量多余噪声出现，能对故障类型进行智能化诊断，而且，元深度残差收缩网络对机械故障的关键特征信息进行提取，利用多头动态注意力机制自动确定阈值，自动确定各故障特征的权重，从而提取重要的特征，然后，元学习通过少量深度残差收缩网络提取的故障特征信息通过梯度下降方式进行更新，不断优化故障诊断模型，最后将实时的故障特征输入到最优故障诊断模型中并得到故障分类结果，能在线且精确地区分机械故障类型，提高故障分类效率，避免机械故障发生，保证煤矿安全生产。矿安全生产。矿安全生产。

【技术实现步骤摘要】
一种多尺度元深度残差收缩网络的机械故障在线诊断方法


[0001]本专利技术属于机械故障诊断
，具体涉及一种多尺度元深度残差收缩网络的机械故障在线诊断方法。

技术介绍

[0002]在煤炭生产中，采用先进技术，提高了工作效率，降低人工成本。但是，井下采矿设备较为陈旧，易发生故障，且工况环境复杂恶劣，同时现场环境干扰极大，若不及时对机械故障进行诊断，易造成严重的安全问题；且机械发生故障造成停机，易造成巨大的损失，同时，在强噪声的环境下，机械故障特征易被淹没。传统机械故障诊断技术以观测法、参数分析法与模型分析法等为主。但是，上述方法只适用于中小设备，无法对大型建立精确的数学模型，且处理的成本较高，精度不够，效率低下，容易造成误判。

技术实现思路

[0003]有鉴于此，为了解决上述技术问题，本专利技术提供一种多尺度元深度残差收缩网络的机械故障在线诊断方法。
[0004]本专利技术采用以下技术方案：
[0005]一种多尺度元深度残差收缩网络的机械故障在线诊断方法，包括如下步骤：
[0006]获取多尺度机械故障样本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种多尺度元深度残差收缩网络的机械故障在线诊断方法，其特征在于，包括如下步骤：获取多尺度机械故障样本，将多尺度机械故障样本分为测试集和训练集；将所述训练集输入至多尺度元深度残差收缩网络中，提取所述多尺度机械故障样本的特征作为输出；将提取的故障特征进行软阈值化处理，通过多头动态注意力机制确定阈值，并确定各特征的权重；元学习将确定的特征通过梯度下降的方式进行更新，通过比较训练集与测试集的相似程度，得到最优故障诊断模型；将所述测试集输入到所述最优故障诊断模型中得到故障分类结果。2.根据权利要求1所述的多尺度元深度残差收缩网络的机械故障在线诊断方法，其特征在于，所述多尺度机械故障样本包括转子故障数据、电机故障数据、断路器故障数据和轴承故障数据。3.根据权利要求1所述的多尺度元深度残差收缩网络的机械故障在线诊断方法，其特征在于，所述软阈值化处理的算法过程，如下：其中，τ是自动学习得到的参数。4.根据权利要求1所述的多尺度元深度残差收缩网络的机械...

【专利技术属性】
技术研发人员：王正国，王迪，王新，张飞，刘永江，杨红军，张磊，郭林涛，田圣彬，王连新，王民强，刘亚峰，
申请(专利权)人：洛阳中重自动化工程有限责任公司，
类型：发明
国别省市：