[发明专利]基于多种时频分析自适应融合的电机轴承故障诊断方法

权利要求书

1.一种基于多种时频分析自适应融合的电机轴承故障诊断方法，其特征在于，包括以下步骤：

S1：获取多种故障情况的电机轴承的一维振动信号构建电机轴承故障数据集；

S2：对电机轴承故障数据集的一维振动信号进行数据处理，获取每个一维振动信号的对应的小波时频图、HHT边际谱、STFT时频图；

S3：构建故障识别网络，基于一维振动信号的小波时频图、HHT边际谱、STFT时频图对故障识别网络进行训练；

S4：获取待诊断的电机轴承的一维振动信号并送入训练好的故障识别网络，获取待诊断的电机轴承的故障情况类型。

2.根据权利要求1所述的一种基于多种时频分析自适应融合的电机轴承故障诊断方法，其特征在于，所述的故障识别网络包括第一处理模块、第二处理模块、第三处理模块和分类输出模块，所述的第一处理模块用于对小波时频图进行特征提取，所述的第二处理模块用于对HHT边际谱进行特征提取，所述的第三处理模块用于对STFT时频图进行特征提取，所述的输出模块用于将第一处理模块、第二处理模块、第三处理模块的提取结果进行处理，获取电机轴承的故障情况类型。

3.根据权利要求2所述的一种基于多种时频分析自适应融合的电机轴承故障诊断方法，其特征在于，所述的第一处理模块、第二处理模块、第三处理模块均为多重卷积模块，所述的多重卷积模块包括依次连接的Convolution卷积层、Involution卷积层和Convolution卷积层。

4.根据权利要求2所述的一种基于多种时频分析自适应融合的电机轴承故障诊断方法，其特征在于，所述的分类输出模块包括依次连接的拼接层、CBAM注意力模块、FC层、Softmax层。

5.根据权利要求1所述的一种基于多种时频分析自适应融合的电机轴承故障诊断方法，其特征在于，所述的步骤S2具体包括：

S21：对各电机轴承的一维振动信号进行小波变换，获取小波时频图；

S22：对各电机轴承的一维振动信号进行希尔伯特黄变换，获取HHT边际谱；

S23：对各电机轴承的一维振动信号进行短时傅里叶变换，获取STFT时频图。

6.根据权利要求5所述的一种基于多种时频分析自适应融合的电机轴承故障诊断方法，其特征在于，所述的小波变换的波基选用cmor3-3，所述的小波变换的尺度为256，将一维振动信号和cmor3-3波基送入到cwt函数中计算出小波系数coefs，再把小波变换的尺度序列转换为实际频率序列，最后结合小波变换的时间序列得到一维振动信号的小波时频图。

7.根据权利要求5所述的一种基于多种时频分析自适应融合的电机轴承故障诊断方法，其特征在于，所述的希尔伯特黄变换中将一维振动信号进行经验模式分解并经过固有模态函数处理，获取HHT边际谱。

8.根据权利要求5所述的一种基于多种时频分析自适应融合的电机轴承故障诊断方法，其特征在于，所述的短时傅里叶变换中利用分析函数对一维振动信号进行处理，分段截取轴承一维振动信号得到STFT时频图。

9.根据权利要求8所述的一种基于多种时频分析自适应融合的电机轴承故障诊断方法，其特征在于，所述的分析函数为pectrogram函数。

10.根据权利要求1所述的一种基于多种时频分析自适应融合的电机轴承故障诊断方法，其特征在于，所述的故障情况包括正常、内圈故障、外圈故障、滚动体故障。