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：江南大学

摘要：本发明公开了一种基于自回归数据生成的滚动轴承故障诊断方法，涉及轴承故障诊断技术领域，该方法包括：获得轴承正常工作状态下的大量有标签振动信号与故障工作状态下的少量有标签振动信号。设计自回归数据生成模型CSQ‑VAE，包含并行注意力引导量化模块和多尺度量化特征融合模块，以更好地整合不同尺度的潜变量特征。为了增加伪样本的多样性，对原始输入信号使用小波包变换分解来获取高低频信息，并将其作为CSQ‑VAE的训练数据，然后对生成的高低频信息进行重构来获取伪样本。保存训练完成的生成模型，并通过该模型生成故障信号的伪样本，从而扩充不平衡数据集，最后实现少量故障样本与大量正常样本的非平衡样本下滚动轴承故障诊断。

主权项：1.一种基于自回归数据生成的滚动轴承故障诊断方法，其特征在于，所述方法包括：步骤一：在滚动轴承正常工作状态下采集一定量的有标签振动信号，为正常样本；在滚动轴承故障工作状态下收集少量有标签振动信号，为故障样本；其中振动信号为一维时序数据，其标签根据振动信号来源的故障类别设置；步骤二：采用随机划窗的方式从所述有标签振动信号中截取一定长度的数据样本制作数据集，每条样本经过最大最小归一化作预处理；将所述数据集划分为训练集和测试集，所述训练集为少量故障样本和足量正常样本组成的不平衡数据集，所述测试集为一定量故障样本和正常样本组成的平衡数据集；步骤三：搭建用于非平衡样本下的滚动轴承故障诊断的CSQ-VAE模型，所述CSQ-VAE模型为构建的基于小波包变换和级联随机量化的自回归数据生成模型，包括依次相连的用于压缩原始输入信号维度的分层编码器、级联随机量化模块、并行注意力引导量化模块、多尺度量化特征融合模块以及用于重建原始输入信号的解码器；所述分层编码器的输入为原始输入信号经过小波包分解后得到的高低频信号，输出为大小不同的特征向量；所述级联随机量化模块接收所述大小不同的特征向量作为输入，采取随机量化策略，输出与输入尺度一一对应的潜变量量化特征；所述并行注意力引导量化模块采用时间域通道域并行的注意力机制，分别对不同尺度潜变量量化特征进行加权；所述多尺度量化特征融合模块通过上采样将加权后的不同尺度潜变量量化特征进行融合；所述解码器重建融合后的潜变量量化特征得到高低频信息，进而采用小波包重构得到大小与分层编码器输入相同的一维时序信号，即为重建后的伪样本；步骤四：基于步骤三所述的自回归数据生成模型CSQ-VAE，将所述故障样本按照故障类别分类，经过小波包分解后分别作为输入信号来训练CSQ-VAE，采用均方误差作为损失函数，用于评定所述伪样本与真实故障样本之间的分布差异，并分别保存不同故障类别训练得到的CSQ-VAE模型权重文件；步骤五：利用经过步骤四训练得到的不同故障类别的CSQ-VAE模型权重文件，分别对所述故障样本进行自回归数据生成，再利用小波包重构生成的高低频信息进而得到伪样本，将生成的伪样本和真实故障样本共同作为故障样本，从而对所述不平衡数据集进行数据扩充，以提升故障诊断模型性能；步骤六：将步骤五得到的扩充数据集作为故障诊断模型的训练集进行训练，并通过所述测试集对所述CSQ-VAE模型性能进行验证，得到故障诊断结果。

全文数据：

权利要求：

百度查询： 江南大学 一种基于自回归数据生成的滚动轴承故障诊断方法