一种不平衡样本重要性加权的齿轮箱故障诊断方法

摘要

一种不平衡样本重要性加权的齿轮箱故障诊断方法，首先获取齿轮箱在不同健康状态下的振动信号；其次构建特征提取模块自动获取监测样本的深层故障特征；再次构建加权分类模块，在分类时引入自适应权重对各类样本赋予不同的惩罚因子；最后利用构建考虑样本重要性损失函数以及自适应权重损失函数，交替优化特征提取模块参数与自适应权重；本发明所得智能诊断模型由特征提取模块和加权分类模块构成，考虑到了样本重要性，能够有效克服训练样本不平衡对诊断的不利影响，可以直接利用齿轮箱原始振动信号完成健康状态的识别，实现了不平衡训练数据集情境下齿轮箱的健康状态智能诊断。