(19)中华 人民共和国 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 202111636409.9 (22)申请日 2021.12.2 9 (71)申请人 重庆邮电大 学 地址 400065 重庆市南岸区南 山街道崇文 路2号 申请人 重庆工业大 数据创新中心有限公司 (72)发明人 韩延　文瑞　方能炜　胡小林　 朱林全　龙萍　苏祖强　 (74)专利代理 机构 重庆辉腾律师事务所 5 0215 代理人 王海军 (51)Int.Cl. G01M 13/028(2019.01) G06K 9/62(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 一种基于解耦网络的齿轮箱故障诊断方法 (57)摘要 本发明涉及仿真分析技术领域， 具体涉及一 种基于解耦网络的齿轮箱故障诊断方法， 包括获 取历史故障数据样本作为训练数据； 将训练数据 输入基于MMD距离的解耦网络， 解耦网络进行训 练过程中计算解耦损失和分类损失， 并将解耦损 失与分类损失融合， 反向传播损失， 优化网络参 数； 将待检测故障的数据输入完成训练的解耦网 络， 通过该网络预测故障类型； 本发明中的解耦 网络在分类器之前加入了MMD距离， 在特征空间 中增大各个故障类别的之间的距离， 从而提高齿 轮箱的故障诊断精度。 权利要求书2页 说明书4页 附图2页 CN 114354185 A 2022.04.15 CN 114354185 A 1.一种基于解耦网络的齿轮箱故障诊断方法， 其特 征在于， 具体包括以下步骤： S1、 获取历史故障数据样本作为训练数据； S2、 将训练数据输入基于MMD距离的解耦网络， 解耦网络进行训练过程中计算解耦损失 和分类损失， 并将解耦损失与分类损失融合， 反向传播损失， 优化网络参数； S3、 将待检测故障的数据输入完成训练的解耦网络， 通过 该网络预测故障类型。 2.根据权利要求1所述的一种基于解耦 网络的齿轮箱故障诊断方法， 其特征在于， 解耦 网络进行训练过程中的解耦损失表示 为： 其中， Ld为解耦损失； m表示故障种类数， Xi和Xj分别代表两种不同类别的特征； λij为每 两个类别之间的解耦损失的权重； L(Xi,Xj)为两个类别i、 j之间的MMD距离； θ表示总的解耦 损失的权 重。 3.根据权利要求2所述的一种基于解耦 网络的齿轮箱故障诊断方法， 其特征在于， 每两 个类别之间的解耦损失的权 重 λij表示为： 其中， FPij表示第i类对第j类的假阳率； FPji表示第j类对第i类的假阳率。 4.根据权利要求2所述的一种基于解耦 网络的齿轮箱故障诊断方法， 其特征在于， 两个 类别i、 j之间的M MD距离L(Xi,Xj)表示为： 其中， sup( ·)表示取上界； f( ·)为一个非线性映射， 即将特征映射到再生核希尔伯特 空间中； 表示求概率 分布为p的特征Xi的映射到 再生核希尔伯特空间后期望； 表示求概率分布为q的特 征Xj的映射后到再生核希尔伯特空间期望 。 5.根据权利要求1所述的一种基于解耦 网络的齿轮箱故障诊断方法， 其特征在于， 分类 损失表示 为： 其中， Lc表示分类损失； m表示训练数据集的样本数； n表示故障类别数； 1{yk＝l}表示当 yk＝l时结果才为1， 其 他情况结果为0； p(·)表示分类 器的输出。 6.根据权利要求1所述的一种基于解耦 网络的齿轮箱故障诊断方法， 其特征在于， 将解 耦损失与分类损失融合， 即总的损失表示 为： L＝Ld+Lc 其中， Lc表示分类损失； Ld为解耦损失。 7.根据权利要求1所述的一种基于解耦 网络的齿轮箱故障诊断方法， 其特征在于， 基于权　利　要　求　书 1/2 页 2 CN 114354185 A 2MMD距离的解耦网络包括特征提取器、 解耦模块以及分类器， 特征提取器包括级联的三个卷 积块和一个全连接层， 每个卷积块由BN层、 卷积层和池化层构成； 解耦模块包括一个解耦 层， 解耦层用于计算网络的解耦损失； 分类 器包括一个全连接层。权　利　要　求　书 2/2 页 3 CN 114354185 A 3