本技術(shù)涉及故障診斷，尤其涉及一種多源跨域的齒輪傳動(dòng)故障診斷方法及系統(tǒng)。

背景技術(shù)：

1、在現(xiàn)代工業(yè)生產(chǎn)中，齒輪是一個(gè)非常重要的傳動(dòng)裝置，其工作狀況直接決定了機(jī)械設(shè)備是否能正常運(yùn)行。由于齒輪經(jīng)常在高速、重載和高溫的復(fù)雜環(huán)境中長(zhǎng)時(shí)間運(yùn)行，經(jīng)常會(huì)出現(xiàn)齒磨損或斷裂而導(dǎo)致故障。相關(guān)技術(shù)中，利用模型自主建立齒輪運(yùn)行數(shù)據(jù)和其健康狀態(tài)之間的映射關(guān)系，在工業(yè)診斷問題上取得了一些進(jìn)展，但它們總是受到源域和目標(biāo)域狀態(tài)空間一致性要求的約束。由于一臺(tái)機(jī)器從生產(chǎn)開始到壽命結(jié)束可能只會(huì)出現(xiàn)一種或兩種故障，因此可以收集到的故障類型數(shù)據(jù)非常有限，通常難以覆蓋目標(biāo)域的所有故障類型，影響了故障診斷的泛用性和準(zhǔn)確率。綜上，相關(guān)技術(shù)中存在的技術(shù)問題有待得到改善。

技術(shù)實(shí)現(xiàn)思路

1、本技術(shù)實(shí)施例的主要目的在于提出一種多源跨域的齒輪傳動(dòng)故障診斷方法及系統(tǒng)，能夠提高故障診斷的泛用性和準(zhǔn)確率。

2、為實(shí)現(xiàn)上述目的，本技術(shù)實(shí)施例的一方面提出了一種多源跨域的齒輪傳動(dòng)故障診斷方法，所述方法包括：

3、對(duì)齒輪箱在不同故障類型下的多通道加速度振動(dòng)信號(hào)進(jìn)行采集處理，得到多源跨域數(shù)據(jù)；

4、對(duì)所述多源跨域數(shù)據(jù)進(jìn)行對(duì)稱點(diǎn)模式處理，得到圖像樣本數(shù)據(jù)；

5、根據(jù)獨(dú)立性準(zhǔn)則將所述圖像樣本數(shù)據(jù)輸入預(yù)先構(gòu)建的初始診斷模型進(jìn)行網(wǎng)絡(luò)預(yù)訓(xùn)練處理，得到預(yù)訓(xùn)練模型，所述初始診斷模型包括深度殘差稀疏編碼器和解碼器；

6、對(duì)所述預(yù)訓(xùn)練模型進(jìn)行分類替換和模型微調(diào)處理，得到目標(biāo)診斷模型；

7、將待診斷故障數(shù)據(jù)輸入所述目標(biāo)診斷模型進(jìn)行故障診斷處理，得到故障識(shí)別結(jié)果。

8、在一些實(shí)施例中，所述對(duì)所述多源跨域數(shù)據(jù)進(jìn)行對(duì)稱點(diǎn)模式處理，得到圖像樣本數(shù)據(jù)，包括以下步驟：

9、獲取預(yù)設(shè)參數(shù)；

10、根據(jù)所述預(yù)設(shè)參數(shù)對(duì)所述多源跨域數(shù)據(jù)進(jìn)行圖像轉(zhuǎn)換處理，得到轉(zhuǎn)換圖像；

11、根據(jù)感知哈希算法對(duì)所述轉(zhuǎn)換圖像進(jìn)行圖像相似度計(jì)算處理，并根據(jù)計(jì)算結(jié)果構(gòu)建得到優(yōu)化函數(shù)；

12、根據(jù)麻雀搜索算法對(duì)所述優(yōu)化函數(shù)進(jìn)行求解，根據(jù)求解結(jié)果對(duì)所述預(yù)設(shè)參數(shù)進(jìn)行策略更新處理，得到目標(biāo)參數(shù)；

13、根據(jù)所述目標(biāo)參數(shù)對(duì)所述多源跨域數(shù)據(jù)進(jìn)行圖像轉(zhuǎn)換處理，得到所述圖像樣本數(shù)據(jù)。

14、在一些實(shí)施例中，所述根據(jù)感知哈希算法對(duì)所述轉(zhuǎn)換圖像進(jìn)行圖像相似度計(jì)算處理，并根據(jù)計(jì)算結(jié)果構(gòu)建得到優(yōu)化函數(shù)，包括以下步驟：

15、對(duì)所述轉(zhuǎn)換圖像進(jìn)行分類抽取處理，得到樣本集合；

16、根據(jù)感知哈希算法對(duì)所述樣本集合的每?jī)蓮垐D像進(jìn)行相似度計(jì)算處理，得到計(jì)算結(jié)果集合；

17、對(duì)所述計(jì)算結(jié)果集合中屬于同一種類型的圖像相似度進(jìn)行相加處理，并對(duì)不同類型的相加結(jié)果進(jìn)行相減處理，得到所述優(yōu)化函數(shù)。

18、在一些實(shí)施例中，所述根據(jù)獨(dú)立性準(zhǔn)則將所述圖像樣本數(shù)據(jù)輸入預(yù)先構(gòu)建的初始診斷模型進(jìn)行網(wǎng)絡(luò)預(yù)訓(xùn)練處理，得到預(yù)訓(xùn)練模型，包括以下步驟：

19、根據(jù)獨(dú)立性準(zhǔn)則對(duì)所述圖像樣本數(shù)據(jù)進(jìn)行工況標(biāo)簽添加處理，得到輸入圖像；

20、將所述輸入圖像輸入所述初始診斷模型，輸出得到輸出圖像；

21、根據(jù)模型損失函數(shù)對(duì)所述輸入圖像和所述輸出圖像進(jìn)行模型損失處理，得到損失值；

22、根據(jù)所述損失值對(duì)所述初始診斷模型進(jìn)行網(wǎng)絡(luò)參數(shù)更新處理，得到所述預(yù)訓(xùn)練模型。

23、在一些實(shí)施例中，所述根據(jù)模型損失函數(shù)對(duì)所述輸入圖像和所述輸出圖像進(jìn)行模型損失處理，得到損失值，包括以下步驟：

24、對(duì)所述輸入圖像和所述輸出圖像進(jìn)行圖像差值和平方計(jì)算處理，得到圖像均方誤差；

25、對(duì)所述輸入圖像的工況標(biāo)簽和所述初始診斷模型中編碼器提取到的隱藏特征進(jìn)行希爾伯特-施密特獨(dú)立性計(jì)算處理，得到獨(dú)立性值；

26、對(duì)所述初始診斷模型進(jìn)行稀疏性約束處理，得到相對(duì)熵值；

27、根據(jù)所述模型損失函數(shù)對(duì)所述圖像均方誤差、所述獨(dú)立性值和所述相對(duì)熵值進(jìn)行相加處理，并將相加結(jié)果與參數(shù)正則化計(jì)算結(jié)果進(jìn)行相加處理，得到所述損失值。

28、在一些實(shí)施例中，在所述根據(jù)獨(dú)立性準(zhǔn)則將所述圖像樣本數(shù)據(jù)輸入預(yù)先構(gòu)建的初始診斷模型進(jìn)行網(wǎng)絡(luò)預(yù)訓(xùn)練處理之前，所述方法還包括預(yù)先構(gòu)建所述初始診斷模型，具體包括以下步驟：

29、對(duì)多個(gè)卷積層進(jìn)行堆疊處理，得到所述深度殘差稀疏編碼器；

30、根據(jù)所述深度殘差稀疏編碼器構(gòu)建得到解碼器，所述解碼器的結(jié)構(gòu)與所述深度殘差稀疏編碼器的結(jié)構(gòu)為對(duì)稱結(jié)構(gòu)；

31、通過全連接層對(duì)所述深度殘差稀疏編碼器和所述解碼器進(jìn)行連接處理，構(gòu)建得到所述初始診斷模型。

32、在一些實(shí)施例中，所述對(duì)所述預(yù)訓(xùn)練模型進(jìn)行分類替換和模型微調(diào)處理，得到目標(biāo)診斷模型，包括以下步驟：

33、對(duì)所述預(yù)訓(xùn)練模型的解碼器替換為分類器，得到替換模型；

34、獲取部分標(biāo)注數(shù)據(jù)，根據(jù)所述部分標(biāo)注數(shù)據(jù)對(duì)所述替換模型進(jìn)行監(jiān)督學(xué)習(xí)，得到所述目標(biāo)診斷模型。

35、為實(shí)現(xiàn)上述目的，本技術(shù)實(shí)施例的另一方面提出了一種多源跨域的齒輪傳動(dòng)故障診斷系統(tǒng)，所述系統(tǒng)包括：

36、第一模塊，用于對(duì)齒輪箱在不同故障類型下的多通道加速度振動(dòng)信號(hào)進(jìn)行采集處理，得到多源跨域數(shù)據(jù)；

37、第二模塊，用于對(duì)所述多源跨域數(shù)據(jù)進(jìn)行對(duì)稱點(diǎn)模式處理，得到圖像樣本數(shù)據(jù)；

38、第三模塊，用于根據(jù)獨(dú)立性準(zhǔn)則將所述圖像樣本數(shù)據(jù)輸入預(yù)先構(gòu)建的初始診斷模型進(jìn)行網(wǎng)絡(luò)預(yù)訓(xùn)練處理，得到預(yù)訓(xùn)練模型，所述初始診斷模型包括深度殘差稀疏編碼器和解碼器；

39、第四模塊，用于對(duì)所述預(yù)訓(xùn)練模型進(jìn)行分類替換和模型微調(diào)處理，得到目標(biāo)診斷模型；

40、第五模塊，用于將待診斷故障數(shù)據(jù)輸入所述目標(biāo)診斷模型進(jìn)行故障診斷處理，得到故障識(shí)別結(jié)果。

41、為實(shí)現(xiàn)上述目的，本技術(shù)實(shí)施例的另一方面提出了一種電子設(shè)備，所述電子設(shè)備包括存儲(chǔ)器和處理器，所述存儲(chǔ)器存儲(chǔ)有計(jì)算機(jī)程序，所述處理器執(zhí)行所述計(jì)算機(jī)程序時(shí)實(shí)現(xiàn)前面所述的方法。

42、為實(shí)現(xiàn)上述目的，本技術(shù)實(shí)施例的另一方面提出了一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，所述計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)存儲(chǔ)有計(jì)算機(jī)程序，所述計(jì)算機(jī)程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)前面所述的方法。

43、本技術(shù)實(shí)施例至少包括以下有益效果：本技術(shù)提供的一種多源跨域的齒輪傳動(dòng)故障診斷方法和系統(tǒng),該方案通過對(duì)齒輪箱在不同故障類型下的多通道加速度振動(dòng)信號(hào)進(jìn)行采集處理，得到多源跨域數(shù)據(jù)，對(duì)多源跨域數(shù)據(jù)進(jìn)行對(duì)稱點(diǎn)模式處理，得到圖像樣本數(shù)據(jù)，能夠融合多通道的傳感器信號(hào)，使原始時(shí)域信號(hào)通過圖形化的方式提高可視化能力。并且，該方案根據(jù)獨(dú)立性準(zhǔn)則將圖像樣本數(shù)據(jù)輸入預(yù)先構(gòu)建的初始診斷模型進(jìn)行網(wǎng)絡(luò)預(yù)訓(xùn)練處理，得到預(yù)訓(xùn)練模型，初始診斷模型包括深度殘差稀疏編碼器和解碼器，通過深度殘差稀疏編碼器和解碼器構(gòu)成稀疏自編碼器，能夠通過采用稀疏自編碼器降低自編碼器網(wǎng)絡(luò)中隱藏層節(jié)點(diǎn)數(shù)量過大時(shí)的信息冗余問題，而且加快了神經(jīng)網(wǎng)絡(luò)的訓(xùn)練速度。另外，該方案通過對(duì)預(yù)訓(xùn)練模型進(jìn)行分類替換和模型微調(diào)處理，得到目標(biāo)診斷模型，將待診斷故障數(shù)據(jù)輸入目標(biāo)診斷模型進(jìn)行故障診斷處理，得到故障識(shí)別結(jié)果，能夠提高故障診斷模型的泛化性和準(zhǔn)確率。