[发明专利]一种残差密集网络故障诊断方法以及装置

权利要求书

1.一种残差密集网络故障诊断方法，其特征在于，所述方法包括：

数据预处理步骤，采集轴承的检测信号，将所述检测信号进行离散余弦S变换和包络谱提取，生成多域检测信号，分别将所述多域检测信号与所述检测信号叠加生成多通道信号，作为轴承故障诊断模型的输入；

故障特征提取步骤，在基于多级残差密集块的残差密集网络的轴承故障诊断模型中，提取所述多通道信号中的故障特征；

故障特征加权步骤，根据轴承故障诊断模型中卷积注意力模块的通道注意力和空间注意力对所述故障特征的权重进行加权；

故障诊断步骤，基于softmax函数对进行注意力排序后的故障特征进行分类处理以完成对故障模式的识别分类。

2.如权利要求1所述的方法，其特征在于，所述方法的数据预处理步骤还包括：

采集轴承的检测信号，将所述检测信号进行离散余弦S变换和包络谱提取，生成多域检测信号，分别将所述多域检测信号与所述检测信号叠加生成多通道信号x_i，利用步长为1，1*3大小的卷积核进行特征提取，可得浅层矢量特征：

其中，σ_r为Relu激活函数，θ^inp＝{k^inp，b^inp}为所述轴承故障诊断模型的待训练参数。

3.如权利要求1所述的方法，其特征在于，所述方法的故障特征提取步骤还包括：

在基于多级残差密集块的残差密集网络的轴承故障诊断模型中，多通道信号x为轴承故障诊断模型中残差密集网络的输入，经过卷积1提取低级特征fea(x)，fea(x)再经过卷积2提取到高级特征fea1(x)，低级特征fea(x)和高级特征fea1(x)通过并联实现密集连接得到fea2(x)，卷积3对输入X进行线性运算得到fea3(x)，fea2(x)和fea3(x)通过串联形成剩余块结构，输出所述多通道信号中的故障特征F为：

y＝{σ_r[σ_r(w₁*x+b₁)*w₂+b₂∪σ_r(w₁*x+b₁)}+{σ_r(w₃*x+b₃)}

其中，w₁，b₁，w₂，b₂，w₃，b₃分别为卷积1，卷积2和卷积3待训练的参数。

4.如权利要求1所述的方法，其特征在于，所述方法的注意力排序步骤中，根据轴承故障诊断模型中卷积注意力模块的通道注意力和空间注意力对所述故障特征的权重进行加权包括：

基于全局平均池和全局最大池操作来聚合特征图的空间信息，将输入特征F生成空间上下文描述符：和

将两个池化层特征输入到一个共享网络进行升降维操作，其中，共享网络由多层感知器和一个隐含层组成；

将输出的两个特征图逐元素求和来合并输出特征向量，并基于sigmoid函数对特征矢量进行激活得到通道注意力权重系数M_c(F)：

其中：W₀∈R^c/r×c，W₁∈R^c×c/r，W₀使用Relu作为激活函数，σ为Sigmoid函数；

将所述通道注意力权重系数M_c(F)与输入特征F进行逐元素相乘，得到细化特征F′。