[发明专利]轴承故障诊断方法、装置及系统

权利要求书

1.一种轴承故障诊断方法，其特征在于，包括：

获取能够反映轴承工作状态的轴承数据；

根据所述轴承数据的数量，调整预先构建的分层卷积神经网络模型，获得目标分层卷积神经网络模型；

将所述轴承数据输入所述目标分层卷积神经网络模型，获取目标分层卷积神经网络模型的输出结果，所述输出结果包括下述至少一项：轴承故障状态、故障位置、故障严重程度；

预先构建的分层卷积神经网络模型的建立过程包括：

构建轴承故障的层次结构，其中，所述层次结构包括故障状态层、故障位置层和严重程度层；

构建卷积神经网络的基础构建模块，所述卷积神经网络的基础构建模块包括至少三个特征提取模块和一个预测计算模块，其中，至少三个所述特征提取模块依次连接，所述预测计算模块设置于最后一个所述特征提取模块之后；

基于卷积神经网络的层次结构，将所述轴承故障的层次结构和所述基础构建模块进行融合；

根据预设选取规则，选取两个所述特征提取模块，在选取的每一所述特征提取模块之后设置一个预测计算模块，以构建所述预先构建的分层卷积神经网络模型；其中，每一所述预测计算模块输出所述输出结果中的一个参数。

2.根据权利要求1所述的方法，其特征在于，所述预先构建的分层卷积神经网络模型包括与轴承故障的层次结构融合的卷积神经网络的基础构建模块，以及，多个预测计算模块；

其中，所述预测计算模块输出所述目标分层卷积神经网络模型的输出结果。

3.根据权利要求1所述的方法，其特征在于，根据所述轴承数据的数量，调整预先构建的分层卷积神经网络模型，获得目标分层卷积神经网络模型，包括：

根据预配置的轴承数据的数量和特征提取模块数量的对应关系，调整所述基础构建模块；

根据预配置的特征提取模块数量与预测计算模块位置信息，调整所述预测计算模块的位置。

4.根据权利要求2所述的方法，其特征在于，将所述轴承数据输入所述目标分层卷积神经网络模型，获取目标分层卷积神经网络模型的输出结果，包括：

将所述轴承数据划分为训练集数据、验证集数据和测试集数据；

将所述训练集数据输入至所述目标分层卷积神经网络模型，对所述目标分层卷积神经网络模型进行迭代训练；

将所述验证集数据输入至迭代训练后的目标分层卷积神经网络模型，根据验证结果调整迭代训练后的目标分层卷积神经网络模型的模型参数；

将所述测试集数据输入至调整后的目标分层卷积神经网络模型，获取所述输出结果。

5.根据权利要求4所述的方法，其特征在于，将所述训练集数据输入至所述目标分层卷积神经网络模型，对所述目标分层卷积神经网络模型进行迭代训练，包括：

将所述训练集数据输入至所述目标分层卷积神经网络模型，获得所述目标分层卷积神经网络模型的最终损失值；

根据所述最终损失值对所述目标分层卷积神经网络模型进行优化，以更新所述目标分层卷积神经网络模型。

6.根据权利要求5所述的方法，其特征在于，将所述训练集数据输入至所述目标分层卷积神经网络模型，获得所述目标分层卷积神经网络模型的最终损失值，包括：

获取每一所述预测计算模块输出的损失值；

根据预配置的损失权重和每一所述预测计算模块输出的所述损失值，计算所述模型的最终损失值。

7.根据权利要求1所述的方法，其特征在于，所述方法还包括：

获取用户输入的诊断需求信息；

根据所述诊断需求信息，调整层次结构中的各层的权重；其中，所述层次结构为所述预先构建的分层卷积神经网络模型中的轴承故障的层次结构。

8.根据权利要求1所述的方法，其特征在于，所述方法还包括：

执行与所述输出结果相对应的控制策略。