CN119494042A 基于扩散过程二阶矩度量的传动系统低质少样本诊断方法 （北京交通大学）

基于扩散过程二阶矩度量的传动系统低质体涉及基于扩散过程二阶矩度量的传动系统低络参数更新集中样本特征向量的扩散过程二阶矩度量矩阵与各种健康类别的核样本表示之间2获取含错误标签的机电复合传动系统故障诊断数据集D，从中随机抽取样本得到核样基于特征提取器对核样本构造集S和网络参数更新集Q中的每个样本进行多维特征提基于样本特征向量的权重和扩散过程二阶矩度量矩阵计算核样本构造集S中的每一种基于分类器计算网络参数更新集Q中样本特征向量的扩散过程二阶矩度量矩阵与各种构建能衰减异常值影响的损失函数，在该损失函数2.根据权利要求1所述的基于扩散过程二阶矩度量的传动系统低质少样本诊断方法，0a中，时间序列中的任一值表示为xb,C表示3.根据权利要求1所述的基于扩散过程二阶矩度量的传动系统低质少样本诊断方法，4.根据权利要求1所述的基于扩散过程二阶矩度量的传动系统低质少样本诊断方法，输入样本Xa经特征提取器F捕获到的多维特征表示为t,=f,(x.),其中，5.根据权利要求4所述的基于扩散过程二阶矩度量的传动系统低质少样本诊断方法，36.根据权利要求1所述的基于扩散过程二阶矩度量的传动系统低质少样本诊断方法，c为核样本构造集S中健康类别c的核样本；M;表示核样本构造集S中健康类别7.根据权利要求6所述的基于扩散过程二阶矩度量的传动系统低质少样本诊断方法，8.根据权利要求7所述的基于扩散过程二阶矩度量的传动系统低质少样本诊断方法，其特征在于，核样本构造集S中健康类别c中两个不同样本Xa和Xb的扩散过程二阶矩度量矩9.根据权利要求6所述的基于扩散过程二阶矩度量的传动系统低质少样本诊断方法，4iT为网络参数更新集Q中样本Xi的扩散过程二阶矩度量矩阵。10.根据权利要求1所述的基于扩散过程二阶矩度量的传动系统低质少样本诊断方法，'为样本Xj与其健康类别Yj的核样本p'的相似度。5[0003]基于深度学习网络的智能诊断方法凭借其出色的端到端识别能力得到了广泛研而解决实际工程中由于故障样本稀少和错误标签导[0008]获取含错误标签的机电复合传动系统故障诊断数据集D，从中随机抽取样本得到[0009]基于特征提取器对核样本构造集S和网络参数更新集Q中的每个样本进行多维特[0010]基于样本特征向量的权重和扩散过程二阶矩度量矩阵计算核样本构造集S中的每[0011]基于分类器计算网络参数更新集Q中样本特征向量的扩散过程二阶矩度量矩阵与6应的标签；Xa为时间序列，表示为{x1,x2,…,xL}，其中，时间序列中的任一值表示为xb,C表示信号的第C个通道的b时刻的数样本组成核样本构造集S；从数据集D中选择与核样本构造集S相同健康类别的若干额外样[0022]其中，a,表示多维特征ta中第i个特征向量和第j个特征向量之间的欧氏空间距7[0032]其中，表示核样本构造集S中健康类别c中样本Xa和Xb的扩散过程二阶矩度量[0033]进一步的，核样本构造集S中健康类别c中两个不同样本Xa和Xb的[0034]通过特征提取器分别提取样本Xa和样本Xb的多维特征ta和tb，并分别计算多维特征ta和tb扩散过程二阶矩度量矩阵Ma8集中健康类别标签Yj与Yi相同的任一样本；p'为样本Xi与其健康类别Yi的核样本的相o'为样本Xj与其健康类别Yj的核样本p'的相似度。[0051]2)本发明引入错误标签抑制学习策略，利用基于相似性对于类别核样本的权重和网络参数更新集错误标签样本分类损失的权重，构建损失函数，下机械传动系统含错误标签数据集中实现准确[0053]图1为本发明提供的基于扩散过程二阶矩度量的传动系统低质少样本诊断方法的[0061]如图1图2所示，本发明实施例公开了基于扩散过程二阶矩度量的传动系统低质9[0064]S3、基于样本特征向量的权重和扩散过程二阶矩度量矩阵计算核样本构造集S中[0065]S4、基于分类器计算网络参数更新集Q中样本特征向量的扩散过程二阶矩度量矩样本X,eR""表示样本的多源传感器数据，L表示时间维度，C表示通道维度，Ya表示xb,C表示信号的第C个通道的第b个数据[0075]输入样本Xa经特征提取器F捕获到的多维特征表示为t,=f,(x.),其中，f(-)[0079]其中，a,表示多维特征ta中第i个特征向量和第j个特征向量之间的欧氏空间距[0090]其中，表示核样本构造集S中健康类别c中样本Xa和Xb的扩散过程二阶矩度量[0091]对于核样本构造集S中健康类别c中的两个不同样本Xa和Xb，其[0092]通过特征提取器按照S2的方法分别提取样本Xa和样本Xb的多维特征ta和tb，并分[0098]计算网络参数更新集Q中样本特征向量和各种健康类别核样本Pc之间的相似度，pf为样本Xi与健康类别k的核样本Pk间的相似度。集中健康类别标签Yj与Yi相同的任一样本；o'为样本Xi与其健康类别Yi的核样本的相o'为样本Xj与其健康类别Yj的核样本p'的相似度。[0112]以城市轨道列车机电复合传动系统故障诊断为案例，通[0113]实验采用本发明提出的方法对传动系统中的电机、齿轮[0114]方法A：利用典型的核样本网络，并且不采取专门措施来处理错误标签的基线方