基于数据增强和注意力机制的多尺度卷积胶囊网络电梯故障诊断方法技术

一种基于数据增强和注意力机制的多尺度卷积胶囊网络电梯故障诊断方法，包括以下步骤：第一步：采集电梯轿厢运行加速度的原始振动信号；第二步：获取有效的振动信号；第三步：优化DCGAN网络模型，将谱归一化和时空注意力机制模块引入鉴别器和生成器，构成改进的数据增强整体模型；第四步：将二维时频特征图像输入数据增强整体模型，得到生成的新特征图像；第五步：构建多尺度卷积胶囊网络；第六步：构建改进的通道注意力机制CBAM网络模块，将其融合到多尺度卷积胶囊网络中；第七步：将增强后的特征图送入融合注意力机制的多尺度卷积胶囊网络中进行电梯故障诊断。本发明专利技术丰富了特征信息，提高了重要特征的响应和学习能力。

【技术实现步骤摘要】

本专利技术涉及振动故障诊断领域，具体涉及一种基于数据增强和注意力机制的多尺度卷积胶囊网络电梯故障诊断方法。

技术介绍

1、随着计算机技术发展和硬件的升级，深度学习在数据预处理领域得到了广泛的应用。在电梯领域，轿厢是至关重要的组成部分，它的安全运行直接关系到整个电梯系统的稳定性。当前基于轿厢加速度的电梯振动信号数据增强已引起人们广泛的重视，生成对抗网络由goodfellow等人于2014年提出，其现已经成为用于解决数据不足的主流方法.它被应用于许多领域，且对于生成对抗网络的改进也有不少相关研究。但是由于电梯振动信号的复杂性，导致了电梯轿厢振动信号的数据增强方法一直没有取得很好的效果。

2、基于深度学习的故障诊断方法是近来年备受关注的研究方向。它可以通过建立基于深度网络的故障诊断模型，从大量数据中自动提取深度特征。例如，gu等人提出了一种基于长短期记忆网络的多传感器故障诊断模型，该模型利用长短期记忆网络提取小波变换后频域特征中的详细故障信息进行故障分析；bai等采用bp神经网络模型进行电梯故障诊断，但bp神经网络收敛速度慢，收敛性差，且易陷入局部极本文档来自技高网...

【技术保护点】

1.一种基于数据增强和注意力机制的多尺度卷积胶囊网络电梯故障诊断方法，其特征在于，所述方法包括以下步骤：

2.如权利要求1所述的基于数据增强和注意力机制的多尺度卷积胶囊网络电梯故障诊断方法，其特征在于，所述第一步中，将加速度传感器安装在电梯轿厢中测量其运行时的振动信号并利用TCP/IP通信协议，远程获取传感器中电梯实时运行数据；

3.如权利要求1或2所述的基于数据增强和注意力机制的多尺度卷积胶囊网络电梯故障诊断方法，其特征在于，所述第二步中，获取有效的振动信号的过程如下：步骤(2.1)通过时域分析法计算电梯轿厢振动加速度信号的时域特征指标；p>

4.如权利...

【技术特征摘要】

1.一种基于数据增强和注意力机制的多尺度卷积胶囊网络电梯故障诊断方法，其特征在于，所述方法包括以下步骤：

2.如权利要求1所述的基于数据增强和注意力机制的多尺度卷积胶囊网络电梯故障诊断方法，其特征在于，所述第一步中，将加速度传感器安装在电梯轿厢中测量其运行时的振动信号并利用tcp/ip通信协议，远程获取传感器中电梯实时运行数据；

3.如权利要求1或2所述的基于数据增强和注意力机制的多尺度卷积胶囊网络电梯故障诊断方法，其特征在于，所述第二步中，获取有效的振动信号的过程如下：步骤(2.1)通过时域分析法计算电梯轿厢振动加速度信号的时域特征指标；

4.如权利要求3所述的基于数据增强和注意力机制的多尺度卷积胶囊网络电梯故障诊断方法，其特征在于，所述步骤(2.1)包括以下子步骤：

5.如权利要求1或2所述的基于数据增强和注意力机制的多...

【专利技术属性】
技术研发人员：陆佳炜，张伟超，王琪冰，肖刚，陆超，李仁，何雨辰，陈晗远，
申请(专利权)人：中国计量大学，
类型：发明
国别省市：