技术特征：
1.一种基于不平衡数据的工程机械故障诊断方法，其特征在于，所述方法包含如下步骤：步骤1，通过振动加速度传感器采集齿轮箱振动信号；步骤2，对采集到的齿轮箱原始振动信号进行特征提取；步骤3，利用自适应合成样本算法合成齿轮箱故障数据；步骤4，在分布改善后的数据集中使用深度自编码器进行特征选择，选择时，在损失函数中引入最大相关熵和稀疏惩罚项；步骤5，利用选择后的特征和改善后的数据集来训练svm分类器，svm分类器对齿轮箱正常与故障振动信号进行分类，实现齿轮箱故障诊断。2.根据权利要求1所述的一种基于不平衡数据的工程机械故障诊断方法，其特征在于，步骤2中，对采集到的原始振动信号进行特征提取，所采用的方法为小波包分解、经验模态分解和时域统计分析；小波包分解通过高通滤波器和低通滤波器对输入信号进行滤波，得到不同频带内的分量，然后计算各分量能量和能量熵；经验模态分解将输入信号分解成几个本征模态函数和一个残差，然后计算本征模态函数的能量和能量熵；经过时域统计分析得到信号的均值、方差、均方根值、峭度、脉冲因子。3.根据权利要求2所述的一种基于不平衡数据的工程机械故障诊断方法，其特征在于，步骤2中，小波包分解具体为：通过高通滤波器和低通滤波器对输入波形进行滤波，得到近似分量和细节分量，最终将原信号转换到2
j
个频带中，j为分解层数，通过双尺度方程构造小波包，双尺度方程可写作：小波包，双尺度方程可写作：其中ψ(t)为母小波，j为分解层数，n为该层中结点编号，i为节点编号，k为位移因子，h
k
和g
k
为一对互补的正交镜像滤波器，则第j层第k个频带的小波包系数计算公式为：为一对互补的正交镜像滤波器，则第j层第k个频带的小波包系数计算公式为：当输入信号为s时，对输入信号进行3层小波包分解，输入信号可以表示为：式中右下标为分解层数，右上标为该层中频带编号，提取小波包分解得到的子频带信号能量特征即信号的均方值，信号能量计算公式为：
式中x
i
(t)为第k个子频带信号每一时刻的信号幅值，n为信号长度，由每个子频带信号的能量特征计算能量熵，公式为：4.根据权利要求2所述的一种基于不平衡数据的工程机械故障诊断方法，其特征在于，步骤2中，经验模态分解具体为：经验模态分解将输入信号分解为几个本征模态函数和一个残差组成，公式为：式中imf
m
(n)表示第m个本征模态函数，res
m
(n)表示残差，经验模态分解具体步骤为：i.根据原始信号上下极值点，分别得到上下包络线；ii.求上、下包络线的均值，得到均值包络线；iii.原始信号减去均值包络线，得到中间信号；iv.判断该中间信号是否满足本征模态函数的两个条件，如果满足，该信号就是一个本征模态函数分量；如果不是，以该信号为基础，重新做i-iv的分析；v.使用上述方法得到本征模态函数1后，用原始信号减去本征模态函数1，作为新的原始信号，再通过i-iv的分析，可以得到本征模态函数2，以此类推,完成经验模态分解分解；完成经验模态分解分解后,选择前8个本征模态函数分量,分别计算各自能量特征,再由能量特征得到能量熵。5.根据权利要求1所述的一种基于不平衡数据的工程机械故障诊断方法，其特征在于，步骤3包括：利用自适应合成样本算法自适应合成少数类样本，根据每个少数类样本周围的多数类样本情况，来自适应地决定每个少数类样本需要合成的样本数量，进而改善样本集的分布问题。6.根据权利要求1所述的一种基于不平衡数据的工程机械故障诊断方法，其特征在于，步骤3中自适应合成样本算法包括：i.计算不平衡度，记少数类样本为ms，多数类样本为ml,则不平衡度为：ii.计算需要合成的样本数量g＝(ml-ms)*b,b∈[0,1]iii.对每个属于少数类的样本用欧式距离计算k个邻居，δ为k个邻居中属于多数类的样本数目，记比例r为：iv.在iii中得到每个少数类样本的r
i
,计算每个少数类样本的周围多数类的情况，公式为：
v.对每个少数类样本计算合成样本的数目，公式为：vi.在每个待合成的少数类样本周围k个邻居中选择1个少数类样本，根据下列公式进行合成，重复合成直到满足步骤v合成的数目为止，s
i
＝x
i
+(x
zi-x
i
)*λ。7.根据权利要求1所述的一种基于不平衡数据的工程机械故障诊断方法，其特征在于，步骤4中，深度自编码器通过堆叠自编码器得到，每个堆叠自编码器由一个输入层、一个隐藏层和一个输出层组成，隐藏值和输出值计算公式为：h＝s(wx+b)其中w和w
′
为连接权重，b和b
′
为偏置，s(
·
)为sigmoid激活函数，标准损失函数为均方根误差(mse)，公式为：设计新的损失函数作为相似性的度量，引入最大相关熵到损失函数中来降低噪声的影响，最大相关熵的计算公式为：其中k
σ
(
·
)为高斯核，公式为：其中σ为核尺寸，引入稀疏惩罚项到损失函数中，公式为：引入稀疏惩罚项到损失函数中，公式为：其中ρ为特定稀疏参数，是k个隐层单元的平均值，引入权重衰减项，公式为：
最终新的损失函数为：j
new
＝-j
mc
+βj
sparse
+λj
weight
其中β和λ是系数。
技术总结
本发明属于工程机械技术领域，具体涉及一种基于不平衡数据的工程机械故障诊断方法，包括：通过振动加速度传感器采集齿轮箱振动信号；对采集到的齿轮箱原始振动信号进行特征提取；利用自适应合成样本算法合成齿轮箱故障数据；在分布改善后的数据集中使用深度自编码器进行特征选择时，在损失函数中引入最大相关熵和稀疏惩罚项；利用选择后的特征和改善后的数据集来训练SVM分类器，实现齿轮箱故障诊断。本发明在对齿轮箱振动信号进行特征提取之后，利用自适应合成样本算法合成故障数据样本，改善现有数据集中正常数据与故障数据不平衡的问题，尤其重视数据中更具挑战性的区域，能够提升分类器的性能。升分类器的性能。升分类器的性能。
技术研发人员：张奇 刘淑强 高翔 杨田苓 杨秦敏 陈旭 翁得鱼 曹伟伟
受保护的技术使用者：浙江大学
技术研发日：2022.10.14
技术公布日：2023/2/3