[发明专利]轴承故障诊断的多任务深度神经网络方法及装置

说明书

本发明适用于检测技术领域，提供了一种轴承故障诊断的多任务深度神经网络方法及装置，该方法包括：采集不同故障类型的轴承振动信号，并提取各轴承振动信号对应的频谱；创建轴承样本集；搭建具有辅助任务的多任务深度神经网络，多任务深度神经网络包括辅助任务执行模块和故障诊断任务执行模块，辅助任务执行模块包括特征提取模块和频谱生成模块；故障诊断任务执行模块包括特征提取模块和故障分类模块；将轴承样本集输入至多任务深度神经网络中训练；采用完成网络训练的多任务深度神经网络对待测轴承进行故障诊断。通过上述方法，本申请能够让神经网络在故障识别过程中，使隐层神经网络学到振动信号频谱中的特征，以此提高神经网络轴承故障诊断的鲁棒性。

技术领域

本发明属于检测技术领域，尤其涉及一种轴承故障诊断的多任务深度神经网络方法及装置。

背景技术

随着经济的发展，机械设备朝着高速化、大型化发展，轴承是机械设备中最重要的部件之一，如果轴承发生故障会严重危害机械设备的可靠性，造成生产停滞，甚至威胁生命安全。虽然已有一些深度学习方法应用于轴承故障诊断方法，但是生产环境中采集到的振动信号常常包含大量的噪声，故障特征常常被噪声淹没，因此故障识别结果准确性较差。

发明内容

有鉴于此，本发明实施例提供了一种轴承故障诊断的多任务深度神经网络方法及装置，以解决现有技术中因振动信号噪声引起的故障识别结果准确性差的问题。

本发明实施例的第一方面提供了一种轴承故障诊断的多任务深度神经网络方法，包括：

采集不同故障类型的轴承振动信号，并提取各轴承振动信号对应的频谱；

将频谱和故障类型作为对应轴承振动信号的样本标签，创建轴承样本集，轴承样本集包括多个轴承样本，各个轴承样本分别包括轴承振动信号和样本标签；

搭建具有辅助任务的多任务深度神经网络，多任务深度神经网络包括辅助任务执行模块和故障诊断任务执行模块，辅助任务执行模块包括顺序连接的特征提取模块和频谱生成模块；故障诊断任务执行模块包括顺序连接的特征提取模块和故障分类模块；

将轴承样本集输入至多任务深度神经网络中完成网络训练；

采用完成网络训练的多任务深度神经网络对待测轴承进行故障诊断。

本发明实施例的第二方面提供了一种轴承故障诊断的多任务深度神经网络装置，包括：

频谱提取模块，用于采集不同故障类型的轴承振动信号，并提取各轴承振动信号对应的频谱；

样本生成模块，用于将频谱和故障类型作为对应轴承振动信号的样本标签，创建轴承样本集，轴承样本集包括多个轴承样本，各个轴承样本分别包括轴承振动信号和样本标签；

模型搭建模块，用于搭建具有辅助任务的多任务深度神经网络，多任务深度神经网络包括辅助任务执行模块和故障诊断任务执行模块，辅助任务执行模块包括顺序连接的特征提取模块和频谱生成模块；故障诊断任务执行模块包括顺序连接的特征提取模块和故障分类模块；

训练模块，用于将轴承样本集输入至多任务深度神经网络中完成网络训练；

故障诊断模块，用于采用完成网络训练的多任务深度神经网络对待测轴承进行故障诊断。

本发明实施例的第三方面提供了一种终端设备，包括存储器、处理器以及存储在存储器中并可在处理器上运行的计算机程序，处理器执行计算机程序时实现如上轴承故障诊断的多任务深度神经网络方法的步骤。

本发明实施例的第四方面提供了一种计算机可读存储介质，计算机可读存储介质存储有计算机程序，计算机程序被处理器执行时实现如上轴承故障诊断的多任务深度神经网络方法的步骤。