【技术实现步骤摘要】
本专利技术属于轴承故障诊断领域，涉及一种基于自适应伸缩卷积的故障诊断方法。
技术介绍
1、在现代工业和科技领域，故障诊断具有重要意义。随着自动化和智能化技术的发展，各种复杂系统的故障诊断变得越来越重要。工业生产中的设备故障、汽车的故障诊断、医疗设备的故障诊断等都需要高效准确的诊断技术来保证系统的正常运行和安全性。
2、随着深度学习技术的快速发展，人们发现它在故障诊断领域具有巨大潜力，基于深度学习的故障诊断方法正在成为研究和应用的热点。普通卷积和空洞卷积在处理图像和信号时存在一些局限性。常规卷积需要指定固定大小的卷积核，因此对于不同尺寸的输入数据需要重新设计卷积核，这限制了模型的灵活性和泛化能力。而空洞卷积虽然可以在一定程度上扩大感受野，但在处理大尺寸输入数据时，仍然需要增加卷积核的大小，导致计算量增加和模型参数过多的问题。此外，传统卷积操作受限于感受野的大小，仅能捕捉有限的局部特征信息，无法有效获取远距离输入信息。空洞卷积通过引入可调整的空洞率，实现了对更广范围的输入信息的感知，然而其固定的空洞率限制了对不同尺度下相关性的捕捉。
技术实现思路
1、有鉴于此，本专利技术的目的在于提供一种基于自适应伸缩卷积的轴承故障诊断方法。以解决上述
技术介绍
中提出的问题。
2、为达到上述目的，本专利技术提供如下技术方案：
3、一种基于自适应伸缩卷积的轴承故障诊断方法，其特征在于：方法中的诊断分类器采用自适应伸缩卷积模块替换网络模型的常规卷积层。
4、所
5、进一步地，所述的自适应伸缩卷积模块包括两个步骤：
6、s1：先用常规卷积网络对输入特征进行采样操作获得其输出特征尺寸l。
7、s2：将自适应伸缩卷积细分为n个子核，每个子核的大小为ka，a∈[1，n]，相邻两个子核之间填充间隔si,i+1(i＝1，2，3……n-1)，以提升感受野，扩大卷积核的有效接受范围。其中参数n以及si,i+1可按照一定规律设置或通过有监督模型训练自适应学习得到。
8、更进一步地，所述步骤s1、s2具体为：
9、在进行常规卷积采样时，w表示加权采样之和，对于输出特征y有：
10、y(pj)＝∑w(pm)·x(pj+pm)
11、其中，pj为卷积采样网格的起点位置，pj的坐标与卷积操作的步长s和步骤s1中得到常规卷积的输出特征的长度l有关，pj＝0，s，s×2……s×(l-1)，pm为卷积核上每个位置相对于卷积核起点的相对坐标，与卷积核的长度有关，m为大卷积核的尺寸大小，pm＝0，1，2，3，4，5……m-1。pj+pm表示与卷积核相对应的输入特征的位置，x(pj+pm)表示卷积核相对应位置上的输入特征值。
12、在自适应伸缩卷积模块中，通过处理宽卷积核来使采样网格具有可伸缩性。因此有：
13、y(pj)＝∑w(pm)·x(pj+p'm)
14、p'm＝p”m+pk，p'm表示n个子核的坐标。p”m为子核上每个位置相对于子核起点的相对坐标p”m＝(0，1，2……k)，pk表示各子核的起始坐标，其中e＝1，2，3……n。x(pj+p'm)表示每次卷积核相对应位置上的输入特征值。
15、更进一步地，所述步骤s1和s2还包括：
16、为防止信息丢失，保持自适应伸缩卷积与常规卷积网络输出特征尺寸一致，采用0填充的方式对输入进行填充，填充的数值为
17、所述的自适应伸缩卷积模块能够替换原卷积分类模型的前d层常规卷积，考虑到该模块捕捉的是输入信息之间的相关性，通常设置d≤3。
18、本专利技术的优点：
19、本专利技术的自适应伸缩卷积模块，可以根据输入数据的特点以及任务的需求，动态地调整卷积核的组成和间隔，不仅能够关注输入的局部特征，而且可以扩大感受野并能够增强网络捕捉周期性规律的能力。使用自适应伸缩卷积模块替换原卷积分类模型的前d(d≤3)层常规卷积，进行模型训练和故障识别，能够提高轴承故障诊断的准确率。
本文档来自技高网...【技术保护点】
1.一种基于自适应伸缩卷积模块的轴承故障诊断方法，其特征在于：方法中的诊断分类器采用自适应伸缩卷积模块替换网络模型的常规卷积层。
2.根据权利要求1所述的自适应伸缩卷积模块，其特征在于，构建所述自适应伸缩卷积模块包括两个步骤：
3.如权利要求2所述的自适应伸缩卷积模块，其特征在于：所述步骤S1、S2具体过程为：
4.根据权利要求3所述的自适应伸缩卷积模块，其特征在于，所述步骤S2还包括：
5.根据权利要求1所述的基于自适应伸缩卷积的轴承故障诊断方法，其特征在于，所述的自适应伸缩卷积模块能够替换原卷积分类模型的前d层常规卷积，考虑到该模块捕捉的是输入信息之间的相关性，通常设置d≤3。
【技术特征摘要】
1.一种基于自适应伸缩卷积模块的轴承故障诊断方法，其特征在于：方法中的诊断分类器采用自适应伸缩卷积模块替换网络模型的常规卷积层。
2.根据权利要求1所述的自适应伸缩卷积模块，其特征在于，构建所述自适应伸缩卷积模块包括两个步骤：
3.如权利要求2所述的自适应伸缩卷积模块，其特征在于：所述步骤s1...
【专利技术属性】
技术研发人员：邓聪颖，董漫，苗建国，禄盛，马莹，陈翔，
申请(专利权)人：重庆邮电大学，
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。