买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：南京航空航天大学

摘要：本发明公开了一种基于ACGAN‑Transformer‑CNN的直升机小样本故障诊断方法，包括：获取待检测的滚动轴承在不同工况下的故障振动数据；对得到的滚动轴承振动信号进行快速傅里叶变换和标准化处理，将其转换为二维灰度特征图；搭建辅助分类器生成对抗网络；使用故障数据集对辅助分类器生成对抗网络进行训练；利用训练后的辅助分类器生成对抗网络生成若干个生成样本；搭建CNN故障诊断模型，结合辅助分类器生成对抗网络生成的生成样本与真实样本训练CNN故障诊断模型。本发明能够克服生成对抗网络数据增强时存在的模型崩溃问题和生成样本发散的现象，和接受新样本特征时，容易忘记旧特征信息的问题。

主权项：1.一种基于ACGAN-Transformer-CNN的直升机小样本故障诊断方法，其特征在于，所述直升机小样本故障诊断方法包括以下步骤：步骤1：获取待检测的滚动轴承在不同工况下的故障振动数据，并将故障振动数据整理分段，得到滚动轴承振动信号；步骤2：对得到的滚动轴承振动信号进行快速傅里叶变换和标准化处理，将其转换为二维灰度特征图；步骤3：搭建辅助分类器生成对抗网络，在判别器中增加时间序列分词层、Transformer层和分类器层，对辅助分类器生成对抗网络进行改进；使用故障数据集对辅助分类器生成对抗网络进行训练，采用Adam优化器对条件辅助分类器生成对抗网络的参数进行优化；利用训练后的辅助分类器生成对抗网络生成若干个生成样本；其中，所述时间序列分词层将原始的2D格式的二维灰度特征图转换为指定格式的标记序列，在标记序列中引入额外的可学习的类别标记，以指导生成器根据输入的随机变量生成符合条件信息的生成数据，最后在标记序列中添加编码以保留标记序列的绝对位置和相对位置信息；所述Transformer层由N个结构相同的Transformer基本模块依次堆叠而成，每个Transformer基本模块中均包含多头自注意力机制以及多层感知机模块，所述多层感知机模块利用高斯误差线性单元对输入的标记序列进行了一次非线性升维操作，再利用线性映射层进行了一次线性的降维操作，对输入的标记序列进行特征提取；所述分类器层对Transformer层输出的特征进行故障分类；步骤4：搭建CNN故障诊断模型，结合辅助分类器生成对抗网络生成的生成样本与真实样本训练CNN故障诊断模型，训练完成后再通过测试集验证所提出的CNN故障诊断模型的故障诊断与分类的有效性；步骤5：采用训练完成的CNN故障诊断模型输出故障诊断结果。

全文数据：

权利要求：

百度查询： 南京航空航天大学 一种基于ACGAN-Transformer-CNN的直升机小样本故障诊断方法