[发明专利]基于关系网络的轴承健康评估方法

说明书

本发明公开了一种基于关系网络的轴承健康评估方法，涉及轴承健康评估方法技术领域。所述方法包括以下步骤：取待评估轴承初始运行状态的第1个样本作为支撑集S，早期正常运行状态的m个样本作为查询集Q进行训练，当前运行状态的样本y进行测试，并构建查询集Q中m个样本的健康标签；构建轴承健康评估的关系网络模型；得到关系网络模型参数；利用训练好的关系网络模型计算轴承当前状态样本与支撑集S之间的关系得分，接着对关系得分进行Savitzky‑Golay平滑滤波得到轴承状态健康得分；所述方法可以在未知故障数据的情况下对轴承进行健康评估，能够较准确的反应轴承的健康情况。

技术领域

本发明涉及信号处理方法技术领域，尤其涉及一种基于关系网络的轴承健康评估方法。

背景技术

轴承是机械设备中不可或缺的部件之一，也是机械设备中极易发生故障的部件之一。如果轴承发生故障，轻则造成经济损失，重则威胁人身安全。为了减少轴承故障引发的种种危害，可以通过对轴承进行健康评估的方法，在轴承刚刚发生轻微故障还未造成任何损失之前及时准确检测出异常，并对轴承进行替换。

发明内容

本发明所要解决的技术问题是如何提供一种轴承健康状况评估准确性高的于关系网络的轴承健康评估方法。

为解决上述技术问题，本发明所采取的技术方案是：一种基于关系网络的轴承健康评估方法，其特征在于包括如下步骤：

取待评估轴承初始运行状态的第1个样本作为支撑集S，早期正常运行状态的m个样本作为查询集Q进行训练，当前运行状态的样本y进行测试，并构建查询集Q中m个样本的健康标签；

构建轴承健康评估关系网络模型；

将查询集Q的频谱与支撑集S的频谱输入关系网络模型，将真实的健康标签与预测标签之间的均方误差作为损失函数值，利用BP反向传播算法进行训练，得到关系网络模型参数；

利用训练好的关系网络模型计算轴承当前运行状态样本y与支撑集S之间的关系得分，接着对关系得分进行Savitzky-Golay平滑滤波得到轴承状态健康得分。

采用上述技术方案所产生的有益效果在于：本发明将经过快速傅里叶变换得到的振动信号的频谱作为关系网络的输入，能反应振动信号中能量集中位置和分布特点，具有很强的信息捕获能力和表征能力。因此本发明将振动信号的频谱作为输入，更加有利于特征的表示提取，可更加准确体现振动信号中的特征信息。

本发明所述方法将关系网络应用在轴承健康评估问题上，关系网络能够在只有轴承正常运行状态样本的情况下，利用正常运行状态样本与未知运行状态样本之间的距离或相似性，对未知运行状态样本进行健康评估，并获得良好的评估结果。现实社会中轴承正常运行状态下的样本容易获取，使得利用关系网络进行健康评估的应用前景大大提高。并且关系网络与传统固定度量方式如欧式度量、余弦度量等不同，关系网络是通过网络训练得到一个高效的非线性距离度量，使得关系网络计算样本间的距离或相似性更加准确。所以本发明通过关系网络模型学习待评估轴承正常运行状态样本与待评估轴承初始运行样本之间的距离或相似度，再将训练好的关系网络模型用于计算待评估轴承当前运行状态的样本与待评估轴承初始运行样本之间的距离或相似性，可得到待评估轴承当前运行状态样本的健康得分。关系网络模型中非线性的距离度量方法使所得健康得分更加准确。

采用Savitzky-Golay滤波平滑方法对所得健康得分进行平滑去噪，以达到去除高频噪声点，平滑数据序列的作用，使得最终的轴承健康评估结果更加平滑，更能准确反应轴承的健康状况。

附图说明

下面结合附图和具体实施方式对本发明作进一步详细的说明。

图1为本发明实施例所述方法的流程图；

图2为本发明实施例中待评估轴承时域信号图；

图3为本发明实施例中待评估轴承支撑集样本的频谱图；