[发明专利]一种轴承数据模型训练及使用方法

权利要求书

1.一种轴承数据模型训练方法，其特征在于，所述方法包括：

获取轴承的样本数据，其中，所述样本数据包括：正常样本数据，外圈故障样本数据、内圈故障样本数据、滚子故障样本数据；

对所述样本数据进行快速傅里叶变换，得到变换后样本数据；

对加入高斯噪声进行傅里叶变换，得到变换后噪声数据；

对所述样本数据、分别对所述变换后样本数据和所述变换后噪声数据进行故障数据的设置标签；

对所述样本数据、所述变换后样本数据和所述变换后噪声数据进行归一化处理，并将归一化处理后的数据划分为训练集数据和测试集数据；

将训练集数据转换为三通道二维数据，并采用三通道二维数据对CNN网络进行训练，获得训练后的2D-CNN模型其中，当模型目标函数收敛，则保存作为训练后的2D-CNN模型；

将测试集数据作为训练后的2D-CNN模型的输入，并将2D-CNN模型所输出的一维信号作为1D-CNN模型的输入，通过1D-CNN模型进行故障分类。

2.根据权利要求1所述的轴承数据模型训练方法，其特征在于，所述外圈故障样本数据的具体表达为：

所述内圈故障样本数据的具体表达为：

所述滚子故障样本数据的具体表达为：

f是滚轴正常状态,具体值为

其中，f_o是外圈故障；f_i是内圈故障；f_r是滚子故障；r是转速；n是滚珠个数；d是滚动体直径；D是轴承节径；α是滚动体接触角。

3.根据权利要求1所述的轴承数据模型训练方法，其特征在于，1D-CNN模型的分类目标函数的具体表达为：

其中，C类别数；y(i)是第i个类别的真实概率；p(i)是所预测的为i类别故障的概率。

4.根据权利要求1-3任一项所述的轴承数据模型训练方法，其特征在于，所述方法还包括：

在多个时间点内，判断所述1D-CNN模型的均方误差是否不小于预设值；

如果是，则重新对所述1D-CNN模型和/或2D-CNN模型进行训练。

5.根据权利要求4所述的轴承数据模型训练方法，其特征在于，所述对所述样本数据、所述变换后样本数据和所述变换后噪声数据进行归一化处理，并将归一化处理后的数据划分为训练集数据和测试集数据的步骤，包括：

对所述样本数据、所述变换后样本数据和所述变换后噪声数据进行归一化处理；

并将归一化处理后的数据按照预设比例进行划分为训练集数据和测试集数据。

6.基于权利要求1-5任一项轴承数据模型训练方法所获得的的轴承数据模型使用方法，其特征在于，所述方法包括：

接收待检测的轴承数据，并输入至轴承数据模型进行检测；

根据检测结果获取轴承数据为对应每一类型的概率，其中，所述类型包括：正常数据类型以及外圈故障、内圈故障、滚子故障故障；

获取其中的最大值，将最大值对应的类型作为轴承数据的故障类型。