本發(fā)明屬于故障診斷領(lǐng)域，尤其涉及一種基于域泛化的航空發(fā)動(dòng)機(jī)軸承故障診斷方法。

背景技術(shù)：

1、航空發(fā)動(dòng)機(jī)作為飛行器的核心組件，其平穩(wěn)運(yùn)轉(zhuǎn)對(duì)于確保飛行安全至關(guān)重要。而在發(fā)動(dòng)機(jī)的運(yùn)行過(guò)程中，滾動(dòng)軸承是承擔(dān)巨大載荷的關(guān)鍵組成部分，其工作環(huán)境惡劣,極易產(chǎn)生故障。這可能導(dǎo)致嚴(yán)重飛行事故的發(fā)生。因此，對(duì)航空發(fā)動(dòng)機(jī)軸承的故障診斷方法進(jìn)行深入研究，有助于及時(shí)發(fā)現(xiàn)軸承早期故障的特征,從而有效預(yù)防事故的發(fā)生。因此，有必要提供一種航空發(fā)動(dòng)機(jī)軸承故障診斷方法解決上述技術(shù)問(wèn)題；

2、現(xiàn)有技術(shù)中存在以下缺陷：1、在現(xiàn)有技術(shù)中，都遵循測(cè)試數(shù)據(jù)與訓(xùn)練數(shù)據(jù)獨(dú)立同分布的基本假設(shè)，一旦這個(gè)假設(shè)被打破，現(xiàn)有方法診斷準(zhǔn)確率將大幅度下降；2、現(xiàn)有方法均需要收集足夠數(shù)量的健康狀態(tài)標(biāo)簽，而在航空發(fā)動(dòng)機(jī)的實(shí)際工作環(huán)境下，不可能對(duì)其每一個(gè)任務(wù)，每一個(gè)工況都搜集足夠的數(shù)據(jù)與標(biāo)記足夠的標(biāo)簽；3、有基于域自適應(yīng)的方法去緩解上述問(wèn)題，但域自適應(yīng)的方法，僅能解決一個(gè)源域到一個(gè)目標(biāo)域的問(wèn)題，而航空發(fā)動(dòng)機(jī)的工況變化很多；4、應(yīng)用域自適應(yīng)技術(shù)僅能進(jìn)行離線故障診斷，對(duì)于當(dāng)前運(yùn)行數(shù)據(jù)無(wú)法進(jìn)行在線故障診斷；5、現(xiàn)有的域泛化技術(shù)，沒(méi)有很好的提取域判別信息，使得泛化性能不能滿足要求；6、現(xiàn)有的域泛化技術(shù)，基于特征分布差異度量的方式提取域不變特征，而該方法有時(shí)會(huì)提取到與任務(wù)無(wú)關(guān)的信息，忽略不同類之間的區(qū)別，導(dǎo)致域不變特征質(zhì)量不佳，影響域泛化。因此，亟需一種基于域泛化的航空發(fā)動(dòng)機(jī)軸承故障診斷方法。

技術(shù)實(shí)現(xiàn)思路

1、為解決上述技術(shù)問(wèn)題，本發(fā)明提出了一種基于域泛化的航空發(fā)動(dòng)機(jī)軸承故障診斷方法，能夠利用域泛化技術(shù)對(duì)航空發(fā)動(dòng)機(jī)軸承進(jìn)行故障診斷，不需要對(duì)航空發(fā)動(dòng)機(jī)各個(gè)工況單獨(dú)采集樣本并進(jìn)行打標(biāo)簽操作，節(jié)省了大量的人力物力。

2、為實(shí)現(xiàn)上述目的，本發(fā)明提供了一種基于域泛化的航空發(fā)動(dòng)機(jī)軸承故障診斷方法，包括：

3、獲取待診斷軸承數(shù)據(jù)；

4、將所述待診斷軸承數(shù)據(jù)輸入至故障診斷模型，獲取故障診斷結(jié)果；

5、其中，所述故障診斷模型包括特征提取模塊和條件對(duì)比特征模塊，利用訓(xùn)練集分別訓(xùn)練所述特征提取模塊和條件對(duì)比模塊，結(jié)合對(duì)應(yīng)的損失函數(shù)，對(duì)所述特征提取模塊和所述條件對(duì)比模塊進(jìn)行更新，獲取所述故障診斷模型，所述訓(xùn)練集包括軸承工作數(shù)據(jù)。

6、可選的，所述軸承工作數(shù)據(jù)包括：軸承轉(zhuǎn)速、軸承負(fù)載和加速度信號(hào)。

7、可選的，利用所述訓(xùn)練集訓(xùn)練所述故障診斷模型前還包括：對(duì)所述訓(xùn)練集進(jìn)行標(biāo)注，獲取標(biāo)注類別；

8、其中，所述標(biāo)注類別為：故障類型和故障尺寸。

9、可選的，所述特征提取模塊包括：第一特征提取層和第一分類器；

10、所述第一特征提取層，用于利用特征提取器獲取多源域特征；

11、所述第一分類器，用于利用改進(jìn)的交叉熵?fù)p失函數(shù)，對(duì)所述多源域特征進(jìn)行調(diào)整，獲取交叉熵?fù)p失。

12、可選的，所述改進(jìn)的交叉熵?fù)p失函數(shù)為：

13、

14、其中，lcce為跨域?qū)W習(xí)中總的交叉熵?fù)p失，為從第i個(gè)源域取得的第j個(gè)樣本，為其對(duì)應(yīng)的標(biāo)簽，為樣本的觀測(cè)經(jīng)過(guò)特征提取層與分類層之后的輸出，l2為交叉熵?fù)p失函數(shù)，m為不同源域的數(shù)量，ni為第i個(gè)源域的樣本數(shù)量。

15、可選的，所述條件對(duì)比模塊包括：第二特征提取層和第二分類器；

16、所述第二特征提取層，用于利用特征提取器獲取樣本特征；

17、所述第二分類器，用于利用條件對(duì)比函數(shù)，對(duì)所述樣本特征進(jìn)行調(diào)整，獲取條件對(duì)比損失。

18、可選的，所述條件對(duì)比函數(shù)為：

19、

20、其中，為條件對(duì)比損失，為針對(duì)一個(gè)單個(gè)樣本u的特定損失，m為不同源域的數(shù)量，ni為第i個(gè)源域的樣本數(shù)量。

21、可選的，對(duì)所述特征提取模塊和所述條件對(duì)比模塊進(jìn)行更新包括：

22、基于交叉熵?fù)p失和條件對(duì)比損失，基于sgd優(yōu)化算法，對(duì)特征提取器和分類器進(jìn)行更新，獲取更新后的特征提取層和分類器。

23、可選的，更新后的特征提取層和分類器為：

24、

25、其中，fθ為特診提取層，ε為學(xué)習(xí)率，lcc為條件對(duì)比損失，α為權(quán)重，lcce為交叉熵?fù)p失，gθ為分類器，fθ←為更新后的特征提取層，gθ←為更新后的分類器。

26、與現(xiàn)有技術(shù)相比，本發(fā)明具有如下優(yōu)點(diǎn)和技術(shù)效果：

27、(1)航空發(fā)動(dòng)機(jī)運(yùn)行時(shí)有不同的轉(zhuǎn)速，不同的負(fù)載，其產(chǎn)生的數(shù)據(jù)會(huì)發(fā)生不同程度的域偏移現(xiàn)象，傳統(tǒng)深度學(xué)習(xí)故障診斷算法在這種情況下無(wú)法勝任故障診斷工作。而本方法可以僅僅憑借一次訓(xùn)練，對(duì)多種工況下的航空發(fā)動(dòng)機(jī)軸承運(yùn)行數(shù)據(jù)進(jìn)行高準(zhǔn)確率的故障診斷。

28、(2)目前有基于域自適應(yīng)的方法，可以緩解一部分?jǐn)?shù)據(jù)標(biāo)簽缺失的問(wèn)題，但通常域自適應(yīng)也只能解決一部分樣本標(biāo)簽缺失問(wèn)題，無(wú)法解決缺少訓(xùn)練的問(wèn)題。

29、(3)本發(fā)明可以以在線的方式進(jìn)行只能故障診斷，既隨著傳感器的數(shù)據(jù)采集，也能夠?qū)崟r(shí)反應(yīng)航空發(fā)動(dòng)機(jī)軸承的健康狀況。

30、(4)本發(fā)明利用改進(jìn)softmax損失與健康狀態(tài)條件對(duì)比，在未知工況下的故障診斷中，達(dá)到了最優(yōu)效果。

31、(5)本發(fā)明故障診斷方法，不需要人工參與，處理效率高，在提高診斷準(zhǔn)確率地同時(shí)，降低了數(shù)據(jù)采集成本，使得發(fā)動(dòng)機(jī)軸承的安全性和可靠性大大提升。

技術(shù)特征：

1.一種基于域泛化的航空發(fā)動(dòng)機(jī)軸承故障診斷方法，其特征在于，包括：

2.根據(jù)權(quán)利要求1所述的一種基于域泛化的航空發(fā)動(dòng)機(jī)軸承故障診斷方法，其特征在于，所述軸承工作數(shù)據(jù)包括：軸承轉(zhuǎn)速、軸承負(fù)載和加速度信號(hào)。

3.根據(jù)權(quán)利要求2所述的一種基于域泛化的航空發(fā)動(dòng)機(jī)軸承故障診斷方法，其特征在于，利用所述訓(xùn)練集訓(xùn)練所述故障診斷模型前還包括：對(duì)所述訓(xùn)練集進(jìn)行標(biāo)注，獲取標(biāo)注類別；

4.根據(jù)權(quán)利要求1所述的一種基于域泛化的航空發(fā)動(dòng)機(jī)軸承故障診斷方法，其特征在于，所述特征提取模塊包括：第一特征提取層和第一分類器；

5.根據(jù)權(quán)利要求4所述的一種基于域泛化的航空發(fā)動(dòng)機(jī)軸承故障診斷方法，其特征在于，所述改進(jìn)的交叉熵?fù)p失函數(shù)為：

6.根據(jù)權(quán)利要求1所述的一種基于域泛化的航空發(fā)動(dòng)機(jī)軸承故障診斷方法，其特征在于，所述條件對(duì)比模塊包括：第二特征提取層和第二分類器；

7.根據(jù)權(quán)利要求6所述的一種基于域泛化的航空發(fā)動(dòng)機(jī)軸承故障診斷方法，其特征在于，所述條件對(duì)比函數(shù)為：

8.根據(jù)權(quán)利要求1所述的一種基于域泛化的航空發(fā)動(dòng)機(jī)軸承故障診斷方法，其特征在于，對(duì)所述特征提取模塊和所述條件對(duì)比模塊進(jìn)行更新包括：

9.根據(jù)權(quán)利要求8所述的一種基于域泛化的航空發(fā)動(dòng)機(jī)軸承故障診斷方法，其特征在于，更新后的特征提取層和分類器為：

技術(shù)總結(jié)
本發(fā)明公開(kāi)了一種基于域泛化的航空發(fā)動(dòng)機(jī)軸承故障診斷方法，包括：獲取待診斷軸承數(shù)據(jù)；將所述待診斷軸承數(shù)據(jù)輸入至故障診斷模型，獲取故障診斷結(jié)果；其中，所述故障診斷模型包括特征提取模塊和條件對(duì)比特征模塊，利用訓(xùn)練集分別訓(xùn)練所述特征提取模塊和條件對(duì)比模塊，結(jié)合對(duì)應(yīng)的損失函數(shù)，對(duì)所述特征提取模塊和所述條件對(duì)比模塊進(jìn)行更新，獲取所述故障診斷模型，所述訓(xùn)練集包括軸承工作數(shù)據(jù)。本發(fā)明利用域泛化技術(shù)對(duì)航空發(fā)動(dòng)機(jī)軸承進(jìn)行故障診斷，不需要對(duì)航空發(fā)動(dòng)機(jī)各個(gè)工況單獨(dú)采集樣本并進(jìn)行打標(biāo)簽操作，節(jié)省了大量的人力物力。

技術(shù)研發(fā)人員：葉寶玉,朱芳,呂曉靜
受保護(hù)的技術(shù)使用者：廣州民航職業(yè)技術(shù)學(xué)院
技術(shù)研發(fā)日：
技術(shù)公布日：2025/1/2