[发明专利]一种改进胶囊网络优化分层卷积的轴承亚健康识别方法

说明书

一种改进胶囊网络优化分层卷积的轴承亚健康识别方法，首先提出多输入分层的CNN，将数据输入到三个并行的不同大小的卷积核中处理，多角度的提取信号中的亚健康信息。然后将卷积后的结果输入到改进的胶囊网络进行亚健康识别，改进的胶囊网络采用修剪机制，根据阈值修剪耦合系数，同时使用参数修正的动态路由更新方法，确保动态路由的更新过程更加准确、稳定。最后得到实测的轴承数据。通过本发明方法能正确识别轴承数据的状态。

技术领域

本发明涉及一种改进胶囊网络优化分层卷积的轴承亚健康识别方法，属于滚动轴承故障诊断领域。

背景技术

随着工业应用不断的发展，工厂的设备都趋向大型化和智能化，一直以来离不开的重要问题就是安全，确保工作人员的安全问题会极大提高工厂的经济效益。滚动轴承是旋转设备必不可少的关键性的部件，由于其工作时间较长且工作负荷较大，设备又极其的复杂，因而不免会有零部件的损坏，轻则会影响工厂的效益，重则会对操作者的生命安全产生一定的损害，当机械设备产生故障时，滚动轴承是占比高达30％的部件，所以对其进行状态监测是极具意义且对很多行业都是极具价值。

发明内容

本发明的目的是提供一种改进胶囊网络优化分层卷积的轴承亚健康识别方法。

为实现上述目的，本发明创造采用的技术方案为：一种改进胶囊网络优化分层卷积的轴承亚健康识别方法，其步骤为：

1)信号采样：将加速度传感器分别放置于电机壳和风扇的十二点钟方向，MATLAB处理16通道数据记录器采集的振动信号，12KHz的采样频率下收集信号，驱动端信号的采样频率是48000S/s；

2)降噪处理：对原始数据采用小波变换、小波包变换两种处理数据的方式；其中，小波变换对信号低频部分进行处理，小波包变换对信号高频部分进行处理，在做相应的变换之后用最小值–最大值归一化处理，使得数据在保持原有相对关系的基础上，数值波动范围稳定在[0,1]；

3)特征提取：设置3层的分层卷积结构，设计的卷积核大小分别为1*1，3*3，5*5，然后将3*3分为3*1和1*3，将5*5分为5*1和1*5，对信号进行多尺度和多角度特征提取，当前一层的卷积层完成卷积操作后，输出数据就会分别输入到这三个不同大小卷积核中进行操作，经过分层卷积后，进入concat连接层，将多个维度卷积核卷积后的结果进行concat，对提取到的特征进行汇总；

4)亚健康状态划分：使用改进的胶囊网络进行亚健康状态的划分；

5)机械设备状态识别：利用实测的轴承数据，识别出轴承的状态。

所述的步骤3)中，具体方法为：

3.1)分别对原始信号用小波变换、小波包变换进行预处理；

3.2)将预处理后的数据分别输入到卷积神经网络conv1、conv2中，进行卷积操作；

3.3)将conv1和conv2卷积后的结果进行汇聚，输入到concat连接层；

3.4)concat后的结果输入conv4中进行卷积操作；

3.5)将conv4卷积后的结果，分别输入到并行多尺度的卷积核中，进行并行卷积处理，多角度进行特征的提取；

3.6)将并行三个尺度的卷积核卷积后的结果输入到下一个concat层进行汇聚；

3.7)将分层卷积神经网络的输出，输入到改进的胶囊网络中进行分类。

所述的步骤4)中，具体方法为：在提出分层的卷积神经网络的基础上，将卷积后的结果输入到改进的胶囊网络进行亚健康识别，改进的胶囊网络采用修剪机制，根据阈值修剪耦合系数，同时，使用参数修正的动态路由更新方法，用低层胶囊耦合系数更新高层胶囊；