【技术实现步骤摘要】
本专利技术涉及故障诊断，特别地，涉及一种直升机行星齿轮箱的故障诊断方法及系统、电子设备、计算机可读取的存储介质。
技术介绍
1、传动系统、旋翼系统和发动机系统并称为直升机的三大关键部件，是发动机动力输出的唯一途径，传统系统是直升机中故障率最高且无冗余备份的部分，主减速器的行星齿轮箱作为传动系统的核心部件，长期受使用环境恶劣、工况复杂多变等因素影响，易发生齿面磨损、剥落、齿面接触疲劳、轮齿弯曲疲劳乃至齿根裂纹、断齿、行星架裂纹等故障，若不能在故障形成初期及时发现并采取维护措施，则会导致故障进一步的恶化，引发重大安全事故，因此，状态监测与故障诊断技术对于确保主减速器行星轮系良好的运行状态、对直升机的飞行安全具有至关重要的作用。
2、目前，基于振动信号分析的行星齿轮故障诊断方法主要包括两个关键步骤：振动信号特征提取和故障分类。其中，振动特征信号提取的关键技术包括傅里叶变换、短时傅里叶变换、经验模态分解、小波变换等，傅里叶变换可以提取振动信号的频域特征；短时傅里叶变换将信号分成一系列窗口，并对每个窗口进行傅里叶变换，可以在时间和频率上提供更详细的信息；经验模态分解是将非线性和非平稳信号分解为一系列本征模态函数(intrinsic mode functions，简称imf)，从而提取出振动信号中的特征信息；小波变换在处理振动信号中的作用是实现时频局部化分析、多尺度分析、能量集中表示和压缩表示，可以捕捉振动信号中的瞬态特性和频率变化，并提取出不同频率范围的特征信息。在完成振动故障信号特征提取之后，故障分类则是通过数据统计方法、机
技术实现思路
1、本专利技术提供了一种直升机行星齿轮箱的故障诊断方法及系统、电子设备、计算机可读取的存储介质，以解决现有基于振动信号分析的行星齿轮故障诊断方法存在的泛化能力较弱、准确率较低的技术问题。
2、根据本专利技术的一个方面，提供一种直升机行星齿轮箱的故障诊断方法，包括以下内容：
3、采集直升机行星齿轮箱发生不同故障时的原始故障数据；
4、在原始故障数据中加入噪声，得到带噪故障数据；
5、构建智能故障诊断模型，并基于原始故障数据、带噪故障数据和故障标签构建训练数据集，利用训练数据集对智能故障诊断模型进行训练，直至模型收敛；
6、将待检测的故障数据输入至训练好的智能故障诊断模型中，得到故障诊断结果和去躁后的振动信号。
7、进一步地，所述智能故障诊断模型包括初始化模块、残差编码模块、多尺度sru特征提取模块、故障分类函数和解码模块，所述初始化模块用于对输入的数据进行多尺度融合，所述残差编码模块用于对多尺度融合数据进行编码处理，以提取出高阶特征，所述多尺度sru特征提取模块用于从高阶特征中进一步提取出时序特征和空间特征并进行多尺度融合，所述故障分类函数用于根据多尺度融合特征进行故障诊断，所述解码模块用于根据多尺度融合特征进行解码处理，输出去躁后的振动信号。
8、进一步地，所述残差编码模块采用一维卷积的resnet-18网络架构，通过resnet-18网络架构的第2～5层提取多尺度融合数据的高阶特征，所述多尺度sru特征提取模块为双分支注意力模块，其输入为resnet-18网络架构的第4层和第5层的输出，第4层提取的高阶特征依次经过一个全局均值池化模块、一个sru模块和一个一维卷积模块后提取通道注意力，第5层提取的高阶特征经过一个一维卷积模块、一个sru模块和两个3*3空洞卷积模块后提取空间注意力，并将通道注意力和空间注意力融合后输出。
9、进一步地，所述初始化模块包括并行的第一卷积单元、第二卷积单元和第三卷积单元，所述第一卷积单元的卷积核尺寸为101、第二卷积单元的卷积核尺寸为201、第三卷积单元的卷积核尺寸为301，输入的数据分别经过第一卷积单元、第二卷积单元和第三卷积单元后输出不同尺度的特征，然后对不同尺度的特征进行融合后输出。
10、进一步地，所述解码模块通过四个反卷积解码层输出降噪后的振动信号，每个反卷积解码层包含两个3*3反卷积和上采样计算。
11、进一步地，在采集原始故障数据之后还包括以下内容：
12、对原始故障数据进行预处理，以去除离群数据和干扰数据。
13、另外，本专利技术还提供一种直升机行星齿轮箱的故障诊断系统，采用如上所述的故障诊断方法，包括：
14、数据采集模块，用于采集直升机行星齿轮箱发生不同故障时的原始故障数据；
15、数据增强模块，用于在原始故障数据中加入噪声，得到带噪故障数据；
16、模型训练模块，用于构建智能故障诊断模型，并基于原始故障数据、带噪故障数据和故障标签构建训练数据集，利用训练数据集对智能故障诊断模型进行训练，直至模型收敛；
17、故障诊断模块，用于将待检测的故障数据输入至训练好的智能故障诊断模型中，得到故障诊断结果和去躁后的振动信号。
18、进一步地，还包括：
19、数据清洗模块，用于对原始故障数据进行预处理，以去除离群数据和干扰数据。
20、另外，本专利技术还提供一种电子设备，包括处理器和存储器，所述存储器中存储有计算机程序，所述处理器通过调用所述存储器中存储的所述计算机程序，用于执行如上所述的方法的步骤。
21、另外，本专利技术还提供一种计算机可读取的存储介质，用于存储对直升机行星齿轮箱进行故障诊断的计算机程序，所述计算机程序在计算机上运行时执行如上所述的方法的步骤。
22、本专利技术具有以下效果：
23、本专利技术的直升机行星齿轮箱的故障诊断方法，先采集直升机行星齿轮箱发生不同故障时的原始故障数据，在原始故障数据中加入噪声后得到带噪故障数据，然后构建智能故障诊断模型，并基于原始故障数据、带噪故障数据和故障标签构建训练数据集，利用训练数据集对智能故障诊断模型进行训练，直至模型收敛，最后将待检测的故障数据输入至训练好的智能故障诊断模型中，得到故障诊断结果和去躁后的振动信号。本专利技术的直升机行星齿轮箱的故障诊断方法，可以无监督地处理振动信号中混入的各类噪声，并且通过一个网络同时实现振动信号降噪和智能故障诊断两种功能，极大降低了对人工经验的依赖，可以增强智能故本文档来自技高网...
【技术保护点】
1.一种直升机行星齿轮箱的故障诊断方法，其特征在于，包括以下内容：
2.如权利要求1所述的直升机行星齿轮箱的故障诊断方法，其特征在于，所述智能故障诊断模型包括初始化模块、残差编码模块、多尺度SRU特征提取模块、故障分类函数和解码模块，所述初始化模块用于对输入的数据进行多尺度融合，所述残差编码模块用于对多尺度融合数据进行编码处理，以提取出高阶特征，所述多尺度SRU特征提取模块用于从高阶特征中进一步提取出时序特征和空间特征并进行多尺度融合，所述故障分类函数用于根据多尺度融合特征进行故障诊断，所述解码模块用于根据多尺度融合特征进行解码处理，输出去躁后的振动信号。
3.如权利要求2所述的直升机行星齿轮箱的故障诊断方法，其特征在于，所述残差编码模块采用一维卷积的Resnet-18网络架构，通过Resnet-18网络架构的第2～5层提取多尺度融合数据的高阶特征，所述多尺度SRU特征提取模块为双分支注意力模块，其输入为Resnet-18网络架构的第4层和第5层的输出，第4层提取的高阶特征依次经过一个全局均值池化模块、一个SRU模块和一个一维卷积模块后提取通道注意力，第5
4.如权利要求2所述的直升机行星齿轮箱的故障诊断方法，其特征在于，所述初始化模块包括并行的第一卷积单元、第二卷积单元和第三卷积单元，所述第一卷积单元的卷积核尺寸为101、第二卷积单元的卷积核尺寸为201、第三卷积单元的卷积核尺寸为301，输入的数据分别经过第一卷积单元、第二卷积单元和第三卷积单元后输出不同尺度的特征，然后对不同尺度的特征进行融合后输出。
5.如权利要求2所述的直升机行星齿轮箱的故障诊断方法，其特征在于，所述解码模块通过四个反卷积解码层输出降噪后的振动信号，每个反卷积解码层包含两个3*3反卷积和上采样计算。
6.如权利要求1所述的直升机行星齿轮箱的故障诊断方法，其特征在于，在采集原始故障数据之后还包括以下内容：
7.一种直升机行星齿轮箱的故障诊断系统，采用如权利要求1～6任一项所述的故障诊断方法，其特征在于，包括：
8.如权利要求7所述的直升机行星齿轮箱的故障诊断系统，其特征在于，还包括：
9.一种电子设备，其特征在于，包括处理器和存储器，所述存储器中存储有计算机程序，所述处理器通过调用所述存储器中存储的所述计算机程序，用于执行如权利要求1～6任一项所述的方法的步骤。
10.一种计算机可读取的存储介质，用于存储对直升机行星齿轮箱进行故障诊断的计算机程序，其特征在于，所述计算机程序在计算机上运行时执行如权利要求1～6任一项所述的方法的步骤。
...【技术特征摘要】
1.一种直升机行星齿轮箱的故障诊断方法，其特征在于，包括以下内容：
2.如权利要求1所述的直升机行星齿轮箱的故障诊断方法，其特征在于，所述智能故障诊断模型包括初始化模块、残差编码模块、多尺度sru特征提取模块、故障分类函数和解码模块，所述初始化模块用于对输入的数据进行多尺度融合，所述残差编码模块用于对多尺度融合数据进行编码处理，以提取出高阶特征，所述多尺度sru特征提取模块用于从高阶特征中进一步提取出时序特征和空间特征并进行多尺度融合，所述故障分类函数用于根据多尺度融合特征进行故障诊断，所述解码模块用于根据多尺度融合特征进行解码处理，输出去躁后的振动信号。
3.如权利要求2所述的直升机行星齿轮箱的故障诊断方法，其特征在于，所述残差编码模块采用一维卷积的resnet-18网络架构，通过resnet-18网络架构的第2～5层提取多尺度融合数据的高阶特征，所述多尺度sru特征提取模块为双分支注意力模块，其输入为resnet-18网络架构的第4层和第5层的输出，第4层提取的高阶特征依次经过一个全局均值池化模块、一个sru模块和一个一维卷积模块后提取通道注意力，第5层提取的高阶特征经过一个一维卷积模块、一个sru模块和两个3*3空洞卷积模块后提取空间注意力，并将通道注意力和空间注意力融合后输出。
4.如权利要求2所述的直升机行星齿轮箱的故障诊断方法...
【专利技术属性】
技术研发人员：杨伟新，邱云鹏，刘飞春，苏新生，危干军，
申请(专利权)人：中国航发湖南动力机械研究所，
类型：发明
国别省市：
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。