本发明属于齿轮箱故障诊断领域，具体涉及一种齿轮箱故障诊断方法、系统、设备及介质。
背景技术：
1、齿轮箱作为机械设备中必不可少的连接和传递动力的通用零部件，在现代工业设备中得到了广泛的应用。它们被广泛运用于金属切削机床、航空、电力系统、农业机械、运输机械、冶金机械等领域。随着科学技术的发展，机械装备正朝着大型化、自动化和高性能方向发展，而作为传递运动和动力的齿轮装置在其中具有重要作用。然而，由于齿轮和齿轮箱的结构复杂且工作环境恶劣，它们容易受损和出现故障。
2、齿轮和齿轮箱的运行状态监测以及故障诊断技术是一门交叉学科，它结合了机械、力学、电子、数学、物理、计算机等多个学科的精华。这项技术具有工程应用性强、技术基础可靠、与高技术发展密切相关的特点。通过对齿轮和齿轮箱的运行状态进行监测和诊断，可以及时发现潜在问题并进行预防维护，从而确保设备的安全可靠运行，提高加工精度和生产效率。随着技术的发展，传统的故障诊断方法已经无法满足当今对复杂系统的需求，其只能从数据表象中抽取出外观、功能、行为等表象，而无法捕捉更深层次的信息。深度学习技术在近些年发展迅猛，其凭借独特的优势，已经被广泛应用于各种不同的领域。万安平等人针对传统方法提取特征过于繁琐的问题，采用卷积神经网络(convolutional neuralnetwork,cnn)，自动对信号特征进行了提取。张凯等人提出了一种新的残差网络方法，其对原始信号进行小波变换，以改善残差网络，并重点关注小波系数的突出特征。胡浩等人提出了一种基于深度信念网络的齿轮故障诊断方法，借此提取了齿轮的时域信号和频域信号，并确定了模型的最优参数，再将振动数据分为训练集和测试集，并输入到模型中，自动提取了振动信号的特征和识别故障。然而，齿轮的运行环境复杂多变，要获取高质量的故障样本极为困难，导致实际的训练数据相对匮乏，这就使得深度学习在小样本条件下的应用存在—定的局限性。
技术实现思路
1、发明目的：本发明公开一种齿轮箱故障诊断方法、系统、设备及介质，提高了对齿轮箱振动信息的利用，有效提高齿轮箱故障诊断效率。
2、技术方案：本发明所述的一种齿轮箱故障诊断方法，包括以下步骤：
3、(1)预先获取齿轮箱振动信号，形成齿轮箱数据集；
4、(2)采用变分模态提取与小波半软硬阈值结合的去噪方法对齿轮箱振动信号形成的齿轮箱数据集进行去噪处理；
5、(3)将去噪后齿轮箱振动信号采用连续小波变换得到二维时频图作为深度置信网络dbn的输入序列；通过dbn对所述输入序列进行特征提取，挖掘二维时频图中的特征信息；
6、(4)将提取到的特征信息输入crossformer模型中，并采用改进的水母算法对crossformer模型进行参数优化，经过训练好的crossformer模型得到齿轮箱的故障诊断结果。
7、进一步地，步骤(1)所述的齿轮箱数据集包括集齿轮箱正常、磨损、点蚀、断齿四种工作状态下的振动信号。
8、进一步地，所述步骤(2)实现过程如下：
9、变分模态提取公式如下：
10、
11、其中，f(t)代表的是输入信号；wd代表的是近似中心频率；fr(t)为剩余信号；α代表的是二次惩罚项；β(t)代表滤波器的脉冲响应；θ代表狄拉克分布；ud(t)代表的是期望模态；
12、增广拉格朗日函数是将二次惩罚项α和拉格朗日乘法算子λ引入用于解决重建约束问题，公式如下所示：
13、
14、对变分问题使用交替方向乘子算法和傅里叶变换进行求解，交替更新和λn+1得出新的表达式如下所示：
15、
16、近似中心频率wd和惩罚因子α决定了vme的降噪性能；小波半软硬阈值的函数公式如下：
17、
18、其中，w为小波系数，wm为阈值过滤后小波系数，t为阈值；为比例系数，先使用vme将振动信号分解为高频和低频分量，高频imf分量由小波半软硬阈值处理后融合分量形成故障数据集。
19、进一步地，步骤(4)所述中采用改进水母算法对crossformer模型进行参数优化实现过程如下：
20、s1：设置水母算法的目标函数为诊断准确率，并初始化预设参数；
21、s2：利用反向学习构建新的水母算法初始种群：
22、
23、其中，a表示种群上界限，b表示种群下界限，γ为初始种群个体，为反向种群个体；
24、s3：根据目标函数计算每个个体的适应度值，并记录当前适应度值最高个体的位置；
25、为了调节水母在跟随洋流和在水母群内移动之间的运动，时间控制机制包括时间控制功能c(t)和常数c，通过常数c的值判断水母群运动方式，c(t)的公式如下：
26、
27、其中，t为总体时间，t为当前时间；
28、根据c(t)和随机变量rand(0，1)的值选择不同的方式更新每个个体的位置，跟随洋流行为即当c(t)大于0.5时，位置更新公式如下：
29、
30、df＝β×rand(0,1)×μ
31、
32、xi(t+1)＝xi(t)+rand(0,1)×(x*-β×rand(0,1)×μ)
33、其中，为洋流趋势，npop是水母的数量；x*是目前种群中辨识结果最好的水母粒子；ec是决定吸引力的因素；xi为当前水母粒子，xi(t)为当前水母位置，μ是所有水母的平均位置；df是水母当前最佳位置与所有水母的平均位置之间的区别；xi(t+1)为下一代辨识水母粒子位置；β>0是分布系数，经过灵敏度分析结果，得出了β＝3；
34、xi(t+1)＝xi+l×rand(0,1)×(ub-lb)
35、当(1-c(t))小于rand(0，1)，水母主动运动；ub和lb分别是搜索空间的上界和下界：l>0是一个运动系数，与水母位置周围的运动长度有关；灵敏度分析结果，l＝0.1；
36、
37、当(1-c(t))大于rand(0，1)，水母被动运动；xi(t)为上一代粒子位置，为上一代粒子运动步长；
38、s4：将水母算法迭代结果送入维度学习中进行搜索，计算公式如下：
39、首先，通过使用xi(t)的当前位置和候选位置xi(t+1)之间的欧几里德距离来计算半径ri(t)：
40、ri(t)＝||xi(t+1)-xi(t)||
41、然后，ni(t)是xj(t)的邻域，由以下公式构造，其中di是xi(t)和xj(t)之间的欧氏距离；xi(t)，xj(t)均为种群中随机粒子；
42、ni(t)＝{xj(t)|di(xi(t),xj(t)≤ri(t)),xj(t)∈pop}
43、一旦构造了xi(t)的邻域，则通过下式执行多邻域学习，其中xdlh,d(t+1)的d维是通过使用从ni(t)中选择的随机邻域xn,d(t)的d维数据和从pop中选择的随机xr,d(t)来计算的：
44、xdlh,d(t+1)＝xi,d(t)+rand×(xn,d(t)-xr,d(t))；
45、s5：迭代次数加1，判断是否达到算法的最大迭代次数，若未达到最大迭代次数则进入步骤s3；否则，结束运行，输出最终迭代结果，得到vme的最优wd和α参数。
46、进一步地，步骤(4)所述crossformer模型采用金字塔结构将模型分为四个阶段；每个阶段由一个跨尺度嵌入层cel和若干个crossformer块组成；cel接收最后一级的输出或输入图像作为输入或输出并生成跨尺度嵌入；在cel后建立若干个crossformer块，每个块都涉及长短距离注意和动态位置偏差；一个专门的头在对特定任务进行会计处理的最后阶段之后出现。
47、本发明所述的一种齿轮箱故障诊断系统，包括：数据采集模块，预先获取齿轮箱振动信号，形成齿轮箱数据集；数据处理模块，用于采用vme与小波半软硬阈值结合的去噪方法，对齿轮箱振动信号进行去噪处理；数据转换模块，将去噪后齿轮箱振动信号采用连续小波变换得到二维时频图作为深度置信网络dbn的输入序列；通过dbn对所述输入序列进行特征提取，挖掘二维时频图中的特征信息；模型构建及优化模块，将提取到的特征信息输入crossformer模型中，并采用改进的水母算法对crossformer模型进行参数优化，经过训练好的crossformer模型得到齿轮箱的故障诊断结果。
48、本发明所述的一种装置设备，包括存储器和处理器，其中：存储器，用于存储能够在处理器上运行的计算机程序；处理器，用于在运行所述计算机程序时，执行如上所述的齿轮箱故障诊断方法的步骤。
49、本发明所述的一种存储介质，所述存储介质上存储有计算机程序，所述计算机程序被至少一个处理器执行时实现如上所述的齿轮箱故障诊断方法的步骤。。
50、有益效果：与现有技术相比，本发明的有益效果：本发明采取反向学习obl来优化水母算法的初始化种群，obl在迭代过程中，初始化种群并生成反向解，为探索潜在解提供更多机会，从而提高种群的多样性和算法的全局搜索能力，为了提高水母优化算法的局部搜索能力和勘探能力，在搜索过程中需要加强粒子的选择，增加了维度学习搜索策略；本发明识别精度较高,处理速度较快，可以有效的对齿轮进行故障诊断。
1.一种齿轮箱故障诊断方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种齿轮箱故障诊断方法，其特征在于，步骤(1)所述的齿轮箱数据集包括集齿轮箱正常、磨损、点蚀、断齿四种工作状态下的振动信号。
3.根据权利要求1所述的一种齿轮箱故障诊断方法，其特征在于，所述步骤(2)实现过程如下：
4.根据权利要求1所述的一种齿轮箱故障诊断方法，其特征在于，步骤(4)所述中采用改进水母算法对crossformer模型进行参数优化实现过程如下：
5.根据权利要求1所述的一种齿轮箱故障诊断方法，其特征在于，步骤(4)所述crossformer模型采用金字塔结构将模型分为四个阶段；每个阶段由一个跨尺度嵌入层cel和若干个crossformer块组成；cel接收最后一级的输出或输入图像作为输入或输出并生成跨尺度嵌入；在cel后建立若干个crossformer块，每个块都涉及长短距离注意和动态位置偏差；一个专门的头在对特定任务进行会计处理的最后阶段之后出现。
6.一种采用如权利要求1至5任一所述方法的齿轮箱故障诊断系统，其特征在于，包括：
7.一种装置设备，其特征在于，包括存储器和处理器，其中：
8.一种存储介质，其特征在于，所述存储介质上存储有计算机程序，所述计算机程序被至少一个处理器执行时实现如权利要求1至5任一项所述的齿轮箱故障诊断方法的步骤。
