本技术涉及数据处理领域,公开了一种机械复合故障数据增强方法、系统、介质及设备,其包括:获取各种单一故障数据,并设置狄利克雷分布的参数α,以控制狄利克雷分布的形状;在参数α的控制下,通过狄利克雷分布对各单一故障数据的混合系数分布进行采样,以生成各单一故障数据的混合系数β<subgt;i</subgt;;确定满足设定条件的混合系数β<subgt;i</subgt;,将各种单一故障数据根据确定的混合系数β<subgt;i</subgt;进行叠加混合,形成模拟复合故障数据。本发明解决了复合故障数据难于获取的难题,同时降低了获取复合故障数据的成本。
背景技术
在故障诊断技术领域,无论是传统的基于机理研究的诊断理论和方法、基于信号处理及特征提取的故障诊断方法,以及基于知识的专家系统等诊断方法,还是最新的基于深度学习的诊断方法,多数研究都集中在单故障领域。目前,复合故障受到了越来越多的关注,很多学者从机理研究,到基于深度神经网络的诊断研究,发表了大量的论文成果。然而,机械的复合故障大大增加了故障诊断的难度。一方面,复合故障发生和演化的机理难以从因果关系的角度来揭示,也难以总结出一般规律。另一方面,复合故障与其对应的单一故障之间的关系是密切相关的。由于机械零件种类、故障类型众多,理论分析建模复杂,无法大量研究全部的复合故障的组合情况。
而且现有的单故障数据相对易于获取,而复合故障数据则相对难于获取。尤其是多个单故障存在大量组合的情况下,获取所有组合的复合故障数据在现实中已经不可能实现。故,如何有效获取复合故障数据成为目前故障诊断领域中亟需解决的技术问题。
实现思路