【技术实现步骤摘要】
本专利技术涉及滚动轴承故障诊断，具体涉及一种改进多头图注意力网络的滚动轴承故障诊断方法及系统。
技术介绍
1、滚动轴承是旋转机械设备的重要部件，广泛应用于航空航天、数控机床、风电机组等领域[1]。在工程实际中，轴承故障大约占机械故障设备故障的三分之一，易造成严重的经济损失[2]。旋转机械设备长时间处于正常状态，且轴承难以拆卸，获取故障样本耗时费力，这导致某些工况下故障样本数据稀缺。同时，不同工况下滚动轴承故障样本特征分布存在差异，这也提升了轴承故障诊断的难度。因此，不同工况小样本下滚动轴承的故障诊断，具有十分重要的意义。
2、传统的轴承故障诊断方法利用各类信号处理方法对轴承振动信号进行分析，人工依赖性高，且提取的特征受主观影响[3]。随着技术发展，支持向量机、人工神经网络等浅层机器学习算法逐渐被应用，并取得了一些成果，但提取的特征依旧存在泛化能力弱的问题[4]。深度学习可以提取深层次的特征进行表示，实现故障诊断[5]。文献[6]直接利用原始信号使用卷积神经网络(convolutional neural networks，cn...
【技术保护点】
1.一种改进多头图注意力网络的滚动轴承故障诊断方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种改进多头图注意力网络的滚动轴承故障诊断方法，其特征在于，所述预处理包括对滚动轴承原始振动信号进行傅里叶变换，得到频域幅值序列。
3.根据权利要求1所述的一种改进多头图注意力网络的滚动轴承故障诊断方法，其特征在于，根据各个任务的支持集、查询集和原型集，利用改进的多头图注意力网络提取各个样本特征包括：将各个任务的支持集通过高斯原型模块，得到原型集；将支持集、查询集和原型集利用改进的图构建层完成连接，得到轴承信号有向图；将所述轴承信号有向图输入...
【技术特征摘要】
1.一种改进多头图注意力网络的滚动轴承故障诊断方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种改进多头图注意力网络的滚动轴承故障诊断方法，其特征在于，所述预处理包括对滚动轴承原始振动信号进行傅里叶变换，得到频域幅值序列。
3.根据权利要求1所述的一种改进多头图注意力网络的滚动轴承故障诊断方法，其特征在于，根据各个任务的支持集、查询集和原型集，利用改进的多头图注意力网络提取各个样本特征包括：将各个任务的支持集通过高斯原型模块，得到原型集；将支持集、查询集和原型集利用改进的图构建层完成连接，得到轴承信号有向图；将所述轴承信号有向图输入多头图注意力层，提取各个样本特征。
4.根据权利要求3所述的一种改进多头图注意力网络的滚动轴承故障诊断方法，其特征在于，将各个任务的支持集通过高斯原型模块，得到原型集的过程包括：每个类别的样本数据输入非线性映射器得到高斯分布后，利用协方差矩阵对角化后的对角矩阵与原始样本向量进行加权求和，计算得到各个类别的原型。
5.根据权利要求4所述的一种改进多头图注意力网络的滚动轴承故障诊断方法，其特征在于，将支持集、查询集和原型集利用改进的图构建层完成连接，得到轴承信号有向图的过程包括：将所有样本作为节点矩阵，利用斯皮尔曼算法计算不同节点之间的相似程度，得到节点间的相似矩阵；根据相似矩阵，采用预设阈值t来控制故障样本图的稀疏性，得到邻接矩阵；由节点间的相似程度构成不同节点间的权重矩阵；根据所述节点矩阵、所述邻接矩阵和所述权重矩阵完成构图，得到轴承信号有向图。
6.根据权利要求1-5中任一项所述的一种改进多头图注意力网络的滚...
【专利技术属性】
技术研发人员：王玉静，姚丽洋，康守强，梁欣涛，谢金宝，王庆岩，
申请(专利权)人：哈尔滨理工大学，
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。