一种基于小波包与深度自编码器的变速箱故障诊断方法

技术特征：
1.一种基于小波包与深度自编码器的变速箱故障诊断方法，其特征在于，包括以下步骤：确定小波基函数和分解层数，对初始信号进行小波包分解，获取目标分解系数，基于阈值函数确定对应的阈值，根据阈值对目标分解系数进行重构，获取重构信号，其中，所述阈值函数为：值函数为：其中，η(x,th,m)为阈值函数，x为输入信号，m为调节系数，th为阈值；提取重构信号不同频带包含的能量，构成特征向量，将所述特征向量输入至sdae网络中进行学习，提取深层特征；对sdae网络进行前向无监督预训练，并对训练后的sdae网络进行微调；基于遗传算法选取sdae网络的结构参数；基于遗传算法和bp算法对sdae网络的权值进行训练优化；采用优化后的sdae网络对深层特征进行故障诊断。2.根据权利要求1所述的一种基于小波包与深度自编码器的变速箱故障诊断方法，其特征在于，所述提取重构信号不同频带包含的能量，构成特征向量，将所述特征向量输入值sdae网络中进行学习，提取深层特征，具体包括：对初始信号进行小波包分解，选取db8的小波基函数，分解层数为3层，共8个频带；求取每个自频带对应的能量，公式为：将各个子频带的能量组成向量t：对向量t进行归一化处理，获取特征向量：将所述特征向量输入至sdae网络中进行学习，提取深层特征。3.根据权利要求1所述的一种基于小波包与深度自编码器的变速箱故障诊断方法，其特征在于，所述对sdae网络进行前向无监督预训练，具体包括：采用梯度下降法获取损失函数的最小值，公式为：式中，为损失函数梯度，参数η表示学习率；基于损失函数的最小值对dae模型进行训练，并堆叠形成训练后的sdae模型。
4.根据权利要求1所述的一种基于小波包与深度自编码器的变速箱故障诊断方法，其特征在于，所述对训练后的sdae网络进行微调，具体包括：假设i为对应输出层l
ni
中的一个神经元，对应的残差为：隐含层残差表达式为：隐含层残差表达式为：其中，参数i指的是第l个隐藏层中第i个神经元，参数j则指的是第l 1个隐藏层中第j个神经元，ρ
j
表示平均激活值；将输入和输入的均方误差函数分别对权重矩阵w和隐藏层阈值b求偏导：将输入和输入的均方误差函数分别对权重矩阵w和隐藏层阈值b求偏导：对权重参数进行更新：对权重参数进行更新：其中，η表示学习率，即权重矩阵和阈值更新的速率。5.根据权利要求1所述的一种基于小波包与深度自编码器的变速箱故障诊断方法，其特征在于，所述基于遗传算法选取sdae网络的结构参数，具体包括：确定sdae网络的隐藏层中每一层节点数及稀疏参数的区间，并通过二进制编码对区间内的节点数和稀疏参数进行编码，解码得到网络结构；获取初始值，根据初始值对所述网络结构进行训练；将网络实际输出与期望输出进行比较，获取误差值，并通过适应度函数，获取适应度值，选取适应度函数在预设范围内的个体，组成父代群体；对父代群体进行选择、交叉和变异的遗传操作，获取下一代群体；重复进行训练、个体选取和遗传操作，直至迭代次数达到最大迭代次数；迭代停止后，获取最优个体，对所述最优个体进行解码，得到结构参数。6.根据权利要求1所述的一种基于小波包与深度自编码器的变速箱故障诊断方法，其特征在于，所述基于遗传算法和bp算法对sdae网络的权值进行训练优化，具体包括：
采用二进制编码对sdae网络的权值进行编码；在预设区间随机选择sdae网络的初始权值，根据所述初始权值进行种群的初始化；利用训练样本集对每个网络进行训练，计算出重构误差值，根据重构误差值计算出重构适应度值；基于个体的适应度值选取适应度最优的个体；对适应度最优的个体进行选择、交叉和变异的遗传操作，获取下一代个体；判断迭代次数是否达到最大值，若否，则继续进行训练、个体选取和遗传操作，直至迭代次数达到最大值，并将最后一代的个体作为结果进行输出；对最后一代的个体进行解码，得到最优初始权值，并提供至bp算法，通过反向传播原理对权值进行更新。

技术总结
本发明提供一种基于小波包与深度自编码器的变速箱故障诊断方法，包括：确定小波基函数和分解层数，对初始信号进行小波包分解，获取目标分解系数，根据确定的阈值对目标分解系数进行重构，获取重构信号；提取重构信号不同频带包含的能量，构成特征向量，将特征向量输入至SDAE网络中进行学习，提取深层特征；对SDAE网络进行前向无监督预训练，并对训练后的SDAE网络进行微调；基于遗传算法选取SDAE网络的结构参数；基于遗传算法和BP算法对SDAE网络的权值进行训练优化；采用优化后的SDAE网络对深层特征进行故障诊断。本发明提升了信号的去噪效果和有效成分保留效果，且能够准确地对变速箱的齿轮故障进行诊断。速箱的齿轮故障进行诊断。速箱的齿轮故障进行诊断。


技术研发人员：柴毅 屈剑锋 周靖宇 包玉龙 吴勇
受保护的技术使用者：重庆大学
技术研发日：2022.04.25
技术公布日：2022/7/29