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：东北大学

摘要：本发明提供一种多通道跨域少样本的冲压生产线轴承故障诊断方法，涉及故障诊断技术领域。本发明首先对与轴承振动信号无关的大规模图像数据集上训练特征提取器，通过将一维的轴承振动信号采用形态学和信号转图片方法转换为双通道二维图片，将知识从大规模图像数据集推广到转换后的图片。然后提出了一种自适应的特征选择方法，通过使用多个源数据集训练不同的特征提取器，针对不同目标数据集调整特征选择的权重提取类内相似度高和类间相似度低的特征。本发明针对任何工作条件下的轴承均能使用少量样本完成故障诊断。引入域适应方法对不同目标数据集基于少量样本调整提取的特征，来提升框架的泛化能力。

主权项：1.一种多通道跨域少样本的冲压生产线轴承故障诊断方法，其特征在于，包括以下步骤：步骤1：基于包含轴承振动信号图片的自然图像数据集训练不同的特征提取器；步骤2：通过加速度传感器采集生产线驱动电机的测试振动信号，并将一维的测试振动信号采用多尺度形态学和信号转图片方法转换为双通道二维图片，分别为包含时-频域特征的形态学图及包含时域特征的灰度图；步骤3：使用特征提取器对双通道二维图片进行特征提取，使用SRF算法调整特征提取器对双通道二维图片所提取的特征权重占比，将收集到的测试振动信号数据集划分为支持集与查询集其中代表支持集的原始振动信号数据，代表支持集数据的标签，代表查询集的原始振动信号数据，代表查询集数据的标签；针对不同测试振动信号数据集，使用支持集S调整特征选择的权重提取类内相似度接近和类间相似度远离的特征；步骤3.1：对使用步骤2转换后的双通道二维图片，使用特征提取器集合进行特征提取，针对不同支持集S，通过调整权值针对所研究的轴承故障诊断任务选择类内相似度接近和类间相似度远离的语义特征组合方式；定义选择操作如下，给定每个特征提取器权重数组 其中fi代表特征提取器集合中的特征提取器，λi代表每个特征提取器对应的权重，P代表特征提取器集合中包含的特征提取器数量，最终得到的包含来自多源域的信息，RP代表特征提取器权重数组的长度为P，RP*d代表结合多源信息后的特征数组长度为P*d；步骤3.2：通过执行梯度下降方法对参数λ进行调整实现语义特征组合；对于给定的支持集S，其中定义的损失函数Lλ计算公式如下： 其中k代表类别的数量，Zk代表k类的原型，d{}代表提取的特征与原型之间的距离，Py＝k|x分类器是一个容量有限的非参数模型，它只存储一个向量来描述一个类，Exp代表指数函数、yi为对应数据的故障标签；步骤3.3：使用SRF算法对体现时-频域特征的形态学图和体现时域特征的灰度图进行多源域的特征选择，最终得到特征集F；步骤4：对提取后的特征进行域适应，使用经过域适应的特征进行少样本的轴承故障诊断，完成轴承故障诊断。

全文数据：

权利要求：

百度查询： 东北大学 多通道跨域少样本的冲压生产线轴承故障诊断方法