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：石家庄铁道大学

摘要：本发明公开了一种基于二维灰度图像自适应子空间的小样本轴承故障诊断方法，包括如下步骤：通过传感器采集n个不同故障类型的轴承振动信号；将轴承振动信号按长度，步长进行抽样，并将其转化为二维灰度图像组成数据集；从所述数据集的每个故障类型中选取k数量的样本构成支撑集S，选取h数量的样本构成查询集Q；构建轴承故障诊断的自适应子空间网络模型；将支撑集S和查询集Q输入到自适应子空间网络模型中，通过训练得到动态分类器；利用训练好的动态分类器网络模型进行测试，得到分类结果。所述方法更加有利于特征的表示提取，能够更好的分类，且泛化性能更好。

主权项：1.一种基于二维灰度图像自适应子空间的小样本轴承故障诊断方法，其特征在于包括如下步骤：通过传感器采集n个不同故障类型的轴承振动信号；将轴承振动信号按照长度b，b取自然数的平方，步长w进行抽样，并将其转化为二维灰度图像组成数据集；从所述数据集的每个故障类型中选取k数量的样本构成支撑集S，选取h数量的样本构成查询集Q；构建轴承故障诊断的自适应子空间网络模型；将支撑集S和查询集Q输入到自适应子空间网络模型中，通过训练得到动态分类器；利用训练好的动态分类器网络模型进行测试，得到分类结果；所述轴承振动信号转化为灰度图像公式如下：Ae，f＝GL×e-1+f 式中：G为二维矩阵转换函数，Ae，f为转换的矩阵中第e行第f列元素的值，e，f∈0，L；De，f为轴承振动信号灰度图像矩阵中第e行第f列的像素值，e，f∈0，L；maxA为矩阵A中元素的最大值，minA为矩阵A中元素的最小值；构建轴承故障诊断的自适应子空间网络模型并训练模型的方法包括如下步骤：轴承故障诊断的自适应子空间网络模型由两部分组成，分别是特征提取器fθ与动态分类器；特征提取器fθ由多层卷积神经网络构成，通过特征提取器fθ将灰度图像D映射到特征空间中得到对应的特征向量fθD，并与每类轴承故障的特征向量的平均值做差；将集合通过截断奇异值分解矩阵的方法构建故障类别C的自适应子空间Pcc∈[1，n]；将支撑集S和查询集Q输入到自适应子空间网络模型中，通过训练得到动态分类器；将查询样本q通过特征提取器fθ得到特征向量fθq，计算fθq到轴承故障类别C子空间Pcc∈[1，n]之间的距离dcq；通过softmax函数计算查询样本到每个类别之间的概率；利用投影F-范数计算投影度量来最大化每个轴承类别子空间之间的距离；通过最小化损失函数值进行反向传播训练对自适应子空间分类模型参数进行更新，通过训练模型，得到动态分类器，其能够通过少量样本对新类别进行分类。

全文数据：

权利要求：

百度查询： 石家庄铁道大学 基于二维灰度图像自适应子空间的小样本轴承故障诊断方法