[发明专利]一种轴承故障诊断方法、装置、设备及介质在审

专利信息
申请号: 202310133521.3 申请日: 2023-02-07
公开(公告)号: CN116046396A 公开(公告)日: 2023-05-02
发明(设计)人: 吴琪文;段腾飞;蔡一彪;陈志成;孙丰诚;倪军 申请(专利权)人: 杭州安脉盛智能技术有限公司
主分类号: G01M13/045 分类号: G01M13/045;G06F18/24;G06F18/213;G06F18/10;G06N3/045;G06N3/0464;G06N3/08
代理公司: 北京集佳知识产权代理有限公司 11227 代理人: 丁曼曼
地址: 310052 浙江省杭州市*** 国省代码: 浙江;33
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 轴承 故障诊断 方法 装置 设备 介质
【权利要求书】:

1.一种轴承故障诊断方法,其特征在于,包括:

获取振动传感器采集到的轴承故障振动信号;

利用小波散射卷积网络对所述轴承故障振动信号进行特征提取,以得到相应的散射特征数据,并基于所述散射特征数据构建散射系数矩阵;

将所述散射系数矩阵输入至门控循环单元结构,以便利用所述门控循环单元结构对所述散射系数矩阵进行故障分类,并输出故障分类结果。

2.根据权利要求1所述的轴承故障诊断方法,其特征在于,所述利用小波散射卷积网络对所述轴承故障振动信号进行特征提取,以得到相应的散射特征数据,包括:

利用小波散射卷积网络中的小波基函数提取所述轴承故障振动信号中的高频信号信息,并基于预设散射阶数将所述轴承故障振动信号散射到不同路径中,以便基于所述预设散射阶数对所述高频信号信息进行迭代分解,以得到相应的散射特征数据。

3.根据权利要求2所述的轴承故障诊断方法,其特征在于,所述利用小波散射卷积网络中的小波基函数提取所述轴承故障振动信号中的高频信号信息,包括:

确定小波散射卷积网络中小波基函数中的基函数尺度因子和基函数平移因子;

基于所述基函数尺度因子和所述基函数平移因子,利用所述小波基函数提取所述轴承故障振动信号在不同尺度和不同方向上的高频信号信息。

4.根据权利要求2所述的轴承故障诊断方法,其特征在于,所述利用小波散射卷积网络中的小波基函数提取所述轴承故障振动信号中的高频信号信息的过程中,还包括:

利用预设的小波变换模算子与所述轴承故障振动信号进行卷积运算;其中,所述小波变换模算子用于对提取到的高频信号信息进行取模运算。

5.根据权利要求2所述的轴承故障诊断方法,其特征在于,所述基于所述预设散射阶数对所述高频信号信息进行迭代分解,以得到相应的散射特征数据,包括:

确定所述轴承故障振动信号在当前阶经小波散射变换后得到的当前高频信号信息,并将所述当前高频信号信息在当下一阶散射变换中进行迭代分解,以得到下一阶的散射特征数据;

将所述轴承故障振动信号在下一阶经小波散射变换后得到的高频信号信息作为当前高频信号信息,并重新跳转至所述将所述当前高频信号信息在当下一阶散射变换中进行迭代分解,以得到下一阶的散射特征数据的步骤,直到满足所述预设散射阶数,得到与每一阶对应的散射特征数据。

6.根据权利要求1所述的轴承故障诊断方法,其特征在于,所述门控循环单元结构包括输入门、遗忘门和输出门。

7.根据权利要求1至6任一项所述的轴承故障诊断方法,其特征在于,所述利用所述门控循环单元结构对所述散射系数矩阵进行故障分类,并输出故障分类结果,包括:

利用所述门控循环单元结构对所述散射系数矩阵进行处理,并通过全连接层输出故障类型概率,以及通过归一化指数函数输出与所述故障类型概率对应的故障分类结果。

8.一种轴承故障诊断装置,其特征在于,包括:

信号获取模块,用于获取振动传感器采集到的轴承故障振动信号;

信号处理模块,用于利用小波散射卷积网络对所述轴承故障振动信号进行特征提取,以得到相应的散射特征数据,并基于所述散射特征数据构建散射系数矩阵;

故障分类模块,用于将所述散射系数矩阵输入至门控循环单元结构,以便利用所述门控循环单元结构对所述散射系数矩阵进行故障分类,并输出故障分类结果。

9.一种电子设备,其特征在于,包括:

存储器,用于保存计算机程序;

处理器,用于执行所述计算机程序,以实现如权利要求1至7任一项所述的轴承故障诊断方法的步骤。

10.一种计算机可读存储介质,其特征在于,用于存储计算机程序;其中,所述计算机程序被处理器执行时实现如权利要求1至7任一项所述的轴承故障诊断方法的步骤。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于杭州安脉盛智能技术有限公司,未经杭州安脉盛智能技术有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202310133521.3/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top