技術(shù)特征：

1.一種基于傳感數(shù)據(jù)混合噪聲抑制的裝備零件故障診斷方法，其特征在于，所述診斷方法包括：

2.根據(jù)權(quán)利要求1所述的基于傳感數(shù)據(jù)混合噪聲抑制的裝備零件故障診斷方法，其特征在于，利用所述訓(xùn)練集和所述驗證集，使用可遷移adaboost算法和自適應(yīng)代價敏感學(xué)習(xí)方法訓(xùn)練多個深度學(xué)習(xí)模型，獲得多個訓(xùn)練好的深度學(xué)習(xí)模型，具體包括：

3.根據(jù)權(quán)利要求2所述的基于傳感數(shù)據(jù)混合噪聲抑制的裝備零件故障診斷方法，其特征在于，初始化訓(xùn)練集中每個樣本的權(quán)重的公式為：

4.根據(jù)權(quán)利要求2基于傳感數(shù)據(jù)混合噪聲抑制的裝備零件故障診斷方法，其特征在于，所述自適應(yīng)加權(quán)交叉熵損失函數(shù)為：

5.根據(jù)權(quán)利要求2所述的基于傳感數(shù)據(jù)混合噪聲抑制的裝備零件故障診斷方法，其特征在于，根據(jù)第m個深度學(xué)習(xí)模型驗證準(zhǔn)確率最高時的訓(xùn)練結(jié)果更新訓(xùn)練集中每個樣本的權(quán)重的公式為：

6.根據(jù)權(quán)利要求1所述的基于傳感數(shù)據(jù)混合噪聲抑制的裝備零件故障診斷方法，其特征在于，利用多個訓(xùn)練好的深度學(xué)習(xí)模型，對裝備的待測零件進行故障診斷的公式為：

7.根據(jù)權(quán)利要求1所述的基于傳感數(shù)據(jù)混合噪聲抑制的裝備零件故障診斷方法，其特征在于，所述深度學(xué)習(xí)模型為帶有選擇性核卷積模塊與全局參數(shù)化relu的深度殘差收縮網(wǎng)絡(luò)。

8.根據(jù)權(quán)利要求7所述的基于傳感數(shù)據(jù)混合噪聲抑制的裝備零件故障診斷方法，其特征在于，所述選擇性核卷積模塊包括第一卷積層、第二卷積層、第一批歸一化層、第二批歸一化層、第一激活函數(shù)模塊、第二激活函數(shù)模塊、第一逐元素相加模塊、全局平均池化層、第一全連接層、第三批歸一化層、第三激活函數(shù)模塊、第二全連接層、第三全連接層、softmax模塊、第一逐通道相乘模塊、第二逐通道相乘模塊和第二逐元素相加模塊；

9.一種基于傳感數(shù)據(jù)混合噪聲抑制的裝備零件故障診斷裝置，其特征在于，所述診斷裝置應(yīng)用權(quán)利要求1-8中任一項所述的診斷方法，所述診斷裝置包括：

10.一種計算機設(shè)備，包括：存儲器、處理器以及存儲在存儲器上并可在處理器上運行的計算機程序，其特征在于，所述處理器執(zhí)行所述計算機程序以實現(xiàn)權(quán)利要求1-8中任一項所述的基于傳感數(shù)據(jù)混合噪聲抑制的裝備零件故障診斷方法。

技術(shù)總結(jié)
本發(fā)明公開了一種基于傳感數(shù)據(jù)混合噪聲抑制的裝備零件故障診斷方法、裝置及設(shè)備，涉及故障診斷領(lǐng)域。所述診斷方法包括：獲取裝備零件在不同故障類型下的振動信號；對振動信號進行數(shù)據(jù)預(yù)處理，獲得樣本，振動信號對應(yīng)的故障類型作為真實標(biāo)簽，構(gòu)建訓(xùn)練集和驗證集；利用所述訓(xùn)練集和所述驗證集，使用可遷移Adaboost算法和自適應(yīng)代價敏感學(xué)習(xí)方法訓(xùn)練多個深度學(xué)習(xí)模型，獲得多個訓(xùn)練好的深度學(xué)習(xí)模型；利用多個訓(xùn)練好的深度學(xué)習(xí)模型，對裝備的待測零件進行故障診斷。本發(fā)明提高在混合噪聲環(huán)境下裝備零件故障診斷的準(zhǔn)確率。

技術(shù)研發(fā)人員：劉惠,鐘鵬程,劉振宇,李瑞,董子晗,譚建榮
受保護的技術(shù)使用者：浙江大學(xué)
技術(shù)研發(fā)日：
技術(shù)公布日：2024/12/19