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:哈尔滨理工大学
摘要:本发明公开了一种基于FSASCA‑VMD与GraphSAGE‑SA的转子‑轴承故障诊断方法,所述方法包括如下步骤:步骤一、通过FSASCA算法对VMD进行初始化设置,利用种群寻优方法逐步迭代找到全局最优解,确定关键参数的选取,以此使VMD完成分解。对于分解后存在的不需要的IMF分量,采用累计峭度占比的方法对IMF分量进行重构,完成信号降噪。步骤二、针对于图卷网络在处理图数据上不足,提出了GraphSAGE算法,随机采样k个邻居节点的信息,在不输出整张图的情况下,通过训练聚合函数,来学习节点的表示方法,对未知节点起到泛化作用。同时结合自注意力的聚合方式对输入序列进行线性变化,得到对应的输出矩阵,然后使用Softmax对其进行归一化来获得注意力权重。
主权项:1.一种基于FSASCA-VMD与GraphSAGE-SA的转子-轴承故障诊断方法,其特征在于:步骤一、基于FSASCA-VMD的信号分解与重构;采用VMD的分解方法,通过确定各个模态分量的中心频率和有效带宽,解决原有分解过程产生的模态混叠以及端点效应;对于分解过程中所产生的模态分量K和惩罚因子α的确定,采用FSASCA的方法对VMD参数进行寻优;在对分解后的信号采用累计峭度值法筛选出相关性大的IMF分量,对信号进行重构以完成降噪;所述步骤一的具体步骤如下:步骤一一、VMD参数的自适应确定与信号分解:对FSASCA算法进行初始化,设定各个参数值,计算初始局部解和初始全部解;对输入的信号进行变分模态分解,并实时记录最佳的解;提取各迭代算法得到的组合参数,记录最小适应度值,采用得到的最优的K值和α值来对原有信号进行分解;具体计算公式如下:随机解:Si,:=Lb+Ub-Lb×rand1,d式中:Si,:表示第i个解,Lb和Ub表示下限和上限边界,rand表示均匀分布的伪随机数,d表示问题的维度;在构建所有解之后,每个解被视为局部解LS,选择最优解定义为全局解GS,FSASCA的局部搜索过程依赖LS,其计算公式为:Si,:L=LSi,:-Si,:×randFSASCA的全局搜索过程依赖GS,其计算公式为:Si,:G=GS-Si,:×rand在计算局部收敛和全局收敛之后,通过以下公式更新每个解:Si,:=Si,:+Si,:L+Si,:GFSASCA算法更新GS和LS:每个解决方案都通过以下方式进行更新:Si,:=GS+GS-LSi,:×rand利用正余弦算法循环渐进地寻找最优解:Si,:=Si,:+r1×sinr2×|r3×GS-Si,:|,r4<0.5Si,:=Si,:+r1×cosr2×|r3×GS-Si,:|,r4≥0.5 式中:r1表示下一个搜索位置;r2是[0,2π]中的随机数;r3是扰动权重,为了有一个更精确的定位设置r3=1;r4是[0,1]中的随机数;a是一个常量;t是当前迭代;Max是最大迭代次数;步骤一二、IMF分量筛选与信号重构:采用累计峭度值占比法,计算IMF分量及相关系数,对峭度值大于理论百分比的前几个IMF分量进行重构,完成信号降噪;所述峭度值的百分比为80%;峭度值计算公式如下: 式中:xi为IMF分量,μ为xi的均值,σ为xi的标准差,Kv为IMF分量xi的峭度值;峭度值占比法计算公式: kP式中:表示第r个IMF分量的峭度值,P为信号分解沟的IMF分量个数;步骤二、基于GraphSAGE-SA的转子-轴承故障诊断;针对于原始数据处理停留在欧式距离的数据结构上,且深度学习的方法缺乏可解释性,提出了GraphSAGE算法,随机采样j个邻居节点的信息,在不输出整张图的情况下,通过训练聚合函数,来学习节点的表示方法,进而对未知节点起到泛化作用;同时结合自注意力的聚合方式对输入序列进行线性变化,得到对应的输出矩阵,然后使用Softmax对其进行归一化来获得注意力权重;所述步骤二的具体步骤如下:步骤二一:初始化GraphSAGE-SA模型,设定模型参数;具体参数如下:①训练集样本;②测试集样本;③卷积核;④激活函数;⑤节点失活率;步骤二二:将降噪后的转子-轴承系统振动信号数据导入,按照路图的拓扑结构构建故障数据,将数据集打乱作为初始样本数据集,按比例划分为训练集和测试集;步骤二三:将训练集输入到GraphSAGE-SA模型中对模型进行训练,以获得输出误差,再利用输出误差的反向传播对模型进行参数更新;步骤二四:重复步骤二三,当模型分类准确率最高且训练损失值最小并伴随收敛时停止训练,将测试集数据输入到GraphSAGE-SA模型中,完成对转子-轴承系统的故障诊断。
全文数据:
权利要求:
百度查询: 哈尔滨理工大学 基于FSASCA-VMD与GraphSAGE-SA的转子-轴承故障诊断方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。