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！

摘要：一种改进关系网络的滚动轴承故障识别方法，涉及轴承故障识别技术领域，用以解决在少量标记样本情况下，现有滚动轴承故障识别模型对于故障识别效果不佳的问题。本发明的技术要点包括：根据元学习训练策略划分数据集，并将残差收缩模块和SELU激活函数引入关系网络的嵌入模块中，残差收缩模块利用注意力机制自动确定阈值，将信号中的冗余信息剔除；利用嵌入模块提取样本特征，并将支持集样本特征和查询集特征进行拼接，输入到关系模块中；最后根据关系分数对查询集样本进行分类，实现滚动轴承故障识别。本发明仅使用少量标记样本就可以训练出故障识别模型，解决了在某种型号轴承数据上训练的模型泛化能力差，不能有效用于其他型号轴承故障识别的问题。

主权项：1.一种改进关系网络的滚动轴承故障识别方法，其特征在于，包括下述步骤：步骤一、获取滚动轴承原始振动信号训练数据和测试数据；所述滚动轴承原始振动信号在4种负载条件下采集，负载类型包括0hp、1hp、2hp和3hp；所述训练数据和测试数据包括正常状态、内圈、外圈、滚动体故障及不同损伤程度共10种状态的滚动轴承原始振动信号；步骤二、对所述训练数据和所述测试数据进行预处理，分别获得源域数据集和目标域数据集；步骤三、将源域数据集输入基于改进关系网络的元学习训练模型，获得训练好的滚动轴承故障分类模型；其中，改进关系网络包括改进嵌入模块和关系模块，改进嵌入模块和关系模块通过端到端方式进行小样本元学习；所述改进嵌入模块是对原始嵌入模块进行改进，原始嵌入模块由四个卷积块构成，改进嵌入模块将第二、三个卷积块替换成残差收缩模块，将第四个卷积块替换成带有SELU激活函数的残差模块；所述残差收缩模块将软阈值作为非线性变换层加入到残差模块中，并引入注意力机制；具体为：将特征的绝对值输入全局平均池化层，得到一维向量；将一维向量输入到两个全连接层中，第二个全连接层中神经元的数量等于输入特征的通道数量；由Sigmoid激活层获得每个特征通道的归一化权重；利用Scale操作将归一化后的权重加权到特征的每个通道上，获得特征每个通道的阈值；特征x每个通道的阈值计算公式为： 其中，τc表示特征第c个通道的阈值；αc表示第c个注意力权重；i、j、c分别为特征x的宽度、高度、通道的索引；步骤四、将目标域数据集输入训练好的滚动轴承故障分类模型，获得滚动轴承故障识别结果。

全文数据：

权利要求：

百度查询： 哈尔滨理工大学 一种改进关系网络的滚动轴承故障识别方法