[发明专利]一种将卷积自编码器和逻辑回归相结合的故障诊断系统及方法

权利要求书

1.一种将卷积自编码器和逻辑回归相结合的故障诊断方法，其特征在于，所述故障诊断方法包括如下步骤：

将一维时域数据转换成二维图像数据；

利用自动编码器自动从所述二维图像数据中提取二维图像特征数据；

将所述二维图像特征数据输入逻辑回归LR进行道岔故障诊断。

2.如权利要求1所述的故障诊断方法，其特征在于，所述故障诊断方法还包括一维时域数据的预处理步骤：

对所述一维时域数据进行长度处理，其中长度L不足n个采样点的数据对其进行末尾补零操作，而超过n个采样点的数据对其进行截取，得到每条长度L都为n个采样点的一维时域数据，所述长度为采样点个数，其中50≤n≤300；

将每条长度都为n个采样点的一维时域数据的长度信息作为特征提取出来，以备与自动提取的特征相结合；

对每条长度都为n个采样点的一维时域数据进行归一化处理，使峰值范围处于[0,1]之间。

3.如权利要求2所述的故障诊断方法，其特征在于，所述一维时域数据为道岔电流信号数据，所述二维图像数据为二维灰度图像数据，所述自动编码器为深度卷积自动编码器DCAE。

4.如权利要求3所述的故障诊断方法，其特征在于，

将所述道岔电流信号数据转换成所述二维灰度图像数据的按照式A进行：

其中，P(a,b)表示图像的像素强度，a＝1...K，b＝1...K；L(i)表示分段信号的值,i＝1...K²；K表示获取的图像的长和宽。

5.如权利要求1所述的故障诊断方法，其特征在于，所述深度卷积自动编码器DCAE包括编码器和解码器，所述编码器由5个卷积层和5个池化层构成，所述解码器由5个反卷积层和5个上采样层构成，优选的是，所述DCAE中加入残差网络。

6.一种将卷积自编码器和逻辑回归相结合的故障诊断系统，其特征在于，所述故障诊断系统包括如下组件：

转换组件，所述转换组件被配置为将一维时域数据转换成二维图像数据；

特征提取组件，所述特征提取组件被配置为利用自动编码器自动从所述二维图像数据中提取二维图像特征数据；

故障诊断组件，所述故障诊断组件被配置为将所述二维图像特征数据输入逻辑回归LR进行道岔故障诊断。

7.如权利要求6所述的故障诊断系统，其特征在于，所述故障诊断系统还包括一维时域数据的预处理组件，所述预处理组件被配置为：

对所述一维时域数据进行长度处理，其中长度L不足n个采样点的数据对其进行末尾补零操作，而超过n个采样点的数据对其进行截取，得到每条长度L都为n个采样点的一维时域数据，所述长度为采样点个数，其中50≤n≤300；

将每条长度都为n个采样点的一维时域数据的长度信息作为特征提取出来，以备与自动提取的特征相结合；

对每条长度都为n个采样点的一维时域数据进行归一化处理，使峰值范围处于[0,1]之间。

8.如权利要求7所述的故障诊断系统，其特征在于，所述一维时域数据为道岔电流信号数据，所述二维图像数据为二维灰度图像数据，所述自动编码器为深度卷积自动编码器DCAE。

9.如权利要求8所述的故障诊断系统，其特征在于，

所述转换组件，按照式A进行配置：

其中，P(a,b)表示图像的像素强度，a＝1...K，b＝1...K；L(i)表示分段信号的值,i＝1...K²；K表示获取的图像的长和宽。

10.如权利要求6所述的故障诊断系统，其特征在于，所述深度卷积自动编码器DCAE包括编码器和解码器，所述编码器由5个卷积层和5个池化层构成，所述解码器由5个反卷积层和5个上采样层构成，优选的是，所述DCAE中加入残差网络。