(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211461688.4 (22)申请日 2022.11.17 (71)申请人 中国人民解 放军国防科技大 学 地址 410073 湖南省长 沙市开福区德雅路 109号 (72)发明人 马超　安玮　李骏　盛卫东　 林再平　曾瑶源　张晔　田奥升　 侯毅　黄源　陈慧玲　乔木　 (74)专利代理 机构 北京集佳知识产权代理有限 公司 11227 专利代理师 张海燕 (51)Int.Cl. G06K 9/00(2022.01) G06K 9/62(2022.01) G06N 3/04(2006.01)G01M 13/00(2019.01) G01M 13/045(2019.01) (54)发明名称 一种机械故障诊断方法、 装置、 介质 (57)摘要 本申请涉及故障诊断领域， 公开了一种机械 故障诊断方法、 装置、 介质， 包括： 获取故障机械 的振动信号， 并获取振动信号的第一特征向量； 利用特征选择模型对第一特征向量进行分解处 理， 以获取第二特征向量； 其中， 特征选择模型的 各卷积层均包括频率分解层和频率选择层， 频率 分解层为根据第一变量确定待分解特征的小波 变换层， 第一变量为根据前一频率分解层的分解 结果获得的值， 频率选择层用于选择第一特征向 量分解的特征向量作为第二特征向量； 将第二特 征向量输入故障诊断模型， 以确定故障原因。 本 申请通过根据前一频率分解层的分解结果获得 的第一变量确定第二频率分解层的分解目标以 实现自适应特征提取， 从而排除噪声干扰和提高 故障诊断的准确性。 权利要求书2页 说明书10页 附图4页 CN 115510925 A 2022.12.23 CN 115510925 A 1.一种机 械故障诊断方法， 其特 征在于， 包括： 获取故障机 械的振动信号， 并获取 所述振动信号的第一特 征向量； 利用特征选择模型对所述第 一特征向量进行分解处理， 以获取第二特征向量； 其中， 所 述特征选择模型的各卷积层均包括频率分解层和频率选择层， 所述频率分解层为根据第一 变量确定待分解特征的小波变换层， 所述第一变量为根据前一频率分解层的分解结果获得 的值， 所述频率选择层用于 选择第一特 征向量分解后的特 征向量作为第二特 征向量； 将所述第二特 征向量输入故障诊断模型， 以确定所述故障机 械的故障原因。 2.根据权利要求1所述的机械故障诊断方法， 其特征在于， 所述频率分解层根据 所述第 一变量确定待分解特 征包括： 将输入特征向量分为偶数序列和基数序列， 其中， 所述输入特征向量为所述第一特征 向量或前一卷积层输出的特 征向量； 计算所述偶数序列和所述基数序列的高频分量和低频分量； 对所述高频分量和所述低频分量进行编码计算， 以获取 所述第一变量； 根据所述第一变量确定所述待分解特 征。 3.根据权利要求2所述的机械故障诊断方法， 其特征在于， 所述对所述高频分量和所述 低频分量进行编码计算包括： 将所述高频分量和所述低频分量输入编码器 中， 以获取所述第一变量， 其中， 所述编码 器包括平均池化层、 激活函数和卷积层； 相应的， 根据所述第一变量确定所述待分解特 征包括： 利用重参数化 技巧获取 所述高频分量和所述低频分量的概 率分布； 判断所述高频分量的概 率是否大于所述低频分量的概 率； 若是， 则将所述高频分量作为当前 卷积层的输出 特征向量； 若否， 则将所述低频分量作为当前 卷积层的输出 特征向量。 4.根据权利要求3所述的机械故障诊断方法， 其特征在于， 所述利用重参数化技巧获取 所述高频分量和所述低频分量的概 率分布还 包括： 利用softmax函数对argmax进行平 滑逼近。 5.根据权利要求3所述的机械故障诊断方法， 其特征在于， 所述频率选择层选择第 一特 征向量分解后的特 征向量作为第二特 征向量包括： 获取所述特征选择模型的各卷积层的特征分解向量， 其中， 所述特征分解向量包括所 述高频分量和所述低频分量； 利用所述编码器对各 所述特征分解向量进行编码 操作， 以获取第二变量； 根据所述第二变量确定所述第二特 征向量。 6.根据权利要求3所述的机械故障诊断方法， 其特征在于， 确定所述输出特征向量后， 还包括： 利用损失函数对所述输出 特征向量进行约束。 7.根据权利要求1至6任一项所述的机械故障诊断方法， 其特征在于， 所述将所述第二 特征向量输入故障诊断模型包括： 将所述第二特 征向量输入平均池化层， 以获取向量维度更低的第三特 征向量； 利用线性分类 器对所述第三特 征向量进行分类， 以确定所述故障原因。权　利　要　求　书 1/2 页 2 CN 115510925 A 28.一种机 械故障诊断装置， 其特 征在于， 包括： 第一获取模块， 用于获取故障机 械的振动信号， 并获取 所述振动信号的第一特 征向量； 第二获取模块， 用于利用特征选择模型对所述第一特征向量进行分解处理， 以获取第 二特征向量； 其中， 所述特征选择模型的各卷积层均包括频率分解层和频率选择层， 所述频 率分解层为根据第一变量确定待分解特征的小波变换层， 所述第一变量为根据前一频率分 解层的分解结果 获得的值， 所述频率选择层用于选择第一特征向量分解后的所述特征向量 作为第二特 征向量； 确定模块， 用于将所述第二特征向量输入故障诊断模型， 以确定所述故障机械的故障 原因。 9.一种机 械故障诊断装置， 其特 征在于， 包括存 储器， 用于存 储计算机程序； 处理器， 用于执行所述计算机程序时实现如权利要求1至7任一项所述的机械故障诊断 方法的步骤。 10.一种计算机可读存储介质， 其特征在于， 所述计算机可读存储介质上存储有计算机 程序， 所述计算机程序被处理器执行时实现如权利要求 1至7任一项 所述的机械故障诊断方 法的步骤。权　利　要　求　书 2/2 页 3 CN 115510925 A 3