Background
现阶段的复合故障都是将其作为一个单独的故障类型,参与训练并测试
复合故障发生几率小,种类多,采集大量的故障数据难度大
能否将复合故障直接作为一种未知故障
zero-shot learning (ZSL)的目标是开发能够识别分布外的类别。ZSL的关键是探索和开发未知和已知类别之间的语义关系。为了反映不同类别之间的语义关系,通常会在ZSL方法中引入属性空间。
该诊断方法分为三个阶段。在阶段1中,通过无监督特征学习模型获得特征。根据这些特性,阶段2预先判断测试数据是从单一故障还是复合故障中收集的。在阶段3中,建立了一个标签描述空间(LDS)作为机械故障的属性空间。LDS描述了复合故障与相关的单个故障之间的关系。然后,提出了一种用于智能故障诊断的LDS嵌入式模型(LDS-IFD)来识别未知的复合故障。
Method proposed
大框架
1、特征提取
2、已知未知故障类别分类
3、已知
→
\rightarrow
→分类,未知
→
\rightarrow
→LDS-IFD
LDS-IFD
1、One VS Rest 提取单故障特征
2、T-SR 获得单故障与Health之间的特征相关性
D
D
D
3、复合故障近似为
D
12
=
∣
D
1
+
D
2
∣
/
2
D_{12}=|D1+D2|/2
D12=∣D1+D2∣/2
4、以
D
D
D为隐藏层,训练一个有监督的自编码器(LSAE)得到参数
W
L
S
A
E
W_{LSAE}
WLSAE
5、复合故障信号喂入后先计算与Health之间的
D
=
f
∗
W
L
S
A
E
D=f*W_{LSAE}
D=f∗WLSAE,然后寻找与这个
D
D
D最相近的
D
a
b
D_{ab}
Dab
Experiment
Data
Result
Pre-judgment 的结果图:
混淆矩阵
论文