一种代理注意力增强扩散的航空发动机小样本故障诊断方法技术

本发明专利技术提供一种代理注意力增强扩散的航空发动机小样本故障诊断方法，属于航空发动机气路故障诊断技术领域。本发明专利技术在DDIM的基础上添加代理注意力，使其能够加速样本生成并显着提高样本生成质量，而无需任何额外的训练。预处理后的少量采集的传感器信号数据输入代理注意力增强的去噪扩散隐式模型中进行数据增强，生成高质量的样本数据，以弥补原始数据集的不足，提升模型在稀缺数据情况下的性能表现；将扩充的数据集用作训练集，原始数据集用作测试集进行模型训练，在训练完成后用测试集对模型的性能和准确性进行测试，建立最终的航空发动机障诊断模型。本发明专利技术解决了故障诊断中数据不足的问题，提升了模型的准确性与鲁棒性。

【技术实现步骤摘要】

本专利技术涉及一种航空发动机传感器信号故障诊断方法，具体涉及一种代理注意力增强扩散的航空发动机小样本故障诊断方法。

技术介绍

1、航空发动机作为复杂机械系统，其故障诊断依赖于大量的数据支持。然而，在实际应用中，由于航空发动机的高成本、高复杂性和低故障率，往往难以获取足够的故障样本数据，这极大地限制了故障诊断模型的训练效果和实际应用。

2、近年来，扩散模型在深度生成模型中取得了显著进展，特别是在图像生成领域。扩散模型通过前向加噪和反向降噪过程，能够生成高质量的样本数据。其中，ddim(去噪扩散隐式模型)作为ddpm(去噪扩散概率模型)的改进版，通过非马尔可夫反向过程实现了更快的采样速度和确定性输出，进一步提升了生成效率和质量。

3、注意力机制已成为提升模型性能的重要手段。特别是代理注意力机制，它结合了softmax注意力和线性注意力的优点，通过引入代理向量来降低计算复杂度并保留全局建模能力。这种方法在图像分类、检测等视觉任务中取得了显著效果，但在航空发动机故障诊断领域的应用尚属空白。

4、在实际诊断场景中，由于气路传感器安本文档来自技高网...

【技术保护点】

1.一种代理注意力增强扩散的航空发动机小样本故障诊断方法，其特征在于，所述方法包括：

2.根据权利要求1所述的航空发动机小样本故障诊断方法，其特征在于，步骤(2)中，所述代理注意力模块通过以下方式实现：基于在注意力三元组(Q,K,V)中引入一组额外的代理向量A，从而形成一种四元注意力机制(Q,A,K,V)；首先，将A作为查询向量，在A、K和V之间进行注意力计算，从所有特征中汇聚信息，得到代理特征，这一步相当于使用Softmax注意力机制，计算A与K之间的相似度，并根据相似度对V进行加权求和，得到代理特征；然后，将A作为键向量，代理特征作为值向量，和Q进行第二次注意力计算，将代...

【技术特征摘要】

1.一种代理注意力增强扩散的航空发动机小样本故障诊断方法，其特征在于，所述方法包括：

2.根据权利要求1所述的航空发动机小样本故障诊断方法，其特征在于，步骤(2)中，所述代理注意力模块通过以下方式实现：基于在注意力三元组(q,k,v)中引入一组额外的代理向量a，从而形成一种四元注意力机制(q,a,k,v)；首先，将a作为查询向量，在a、k和v之间进行注意力计算，从所有特征中汇聚信息，得到代理特征，这一步相当于使用softmax注意力机制，计算a与k之间的相似度，并根据相似度对v进行加权求和，得到代理特征；然后，将a作为键向量，代理特征作为值向量，和q进行第二次注意力计算，将代理特征中的全局信息广播回每一个特征，并获得最终输出o，这一步也使用softmax注意力机制，计算q与a之间的相似度，并根据相似度对代理特征进行加权求和，得到最终输出o。

3.根据权利要求1所述的航空发动机小样本故障诊断方法，其特征在于，在ddim的噪声预测网络u-net模型的上、下采样过程中，引入代理注意力模块，其训练过程包括：将训练数据集中少量的故障样本输入到扩散模型中，扩散模型随时间步t向该故障样本中添加噪声ε，生成对应的噪声样本；将噪声样本输入神经网络u-net模型，在u-net模型的每一阶段的卷积块后中加入代理注意力模块；u-net模型在每个时间步t上预测出噪声成分，并从噪声样本中去除这些噪声，逐步还原数据；u-net模型通过最小化预测噪声和真实噪声之间的差异来进行训练，即通过优化损失函数来提升u-net模型的去噪能力；其中，所述扩散模型的主干网络具有编码器-解码器架构，包含对称的下采样和上采样路径，以及跳跃连...

【专利技术属性】
技术研发人员：徐昌一，张子曼，孙希明，费中阳，赵颖，汪锐，张超，史纯坤，王禹舒，吴玉虎，
申请(专利权)人：大连理工大学，
类型：发明
国别省市：