[发明专利]基于增强事件视觉数据的滚动轴承智能故障诊断方法及系统

说明书

基于增强事件视觉数据的滚动轴承智能故障诊断方法及系统，先采用事件相机作为传感器对滚动轴承的健康状态进行非接触式的采集；根据目标区域对原始事件流数据进行筛选，通过处理转化为事件帧数据，并且结合扩散模型进行数据增强处理，之后根据轴承的健康状态为增强数据标注了对应的标签，将数据集划分为训练与测试数据集，对测试数据集进行加噪处理；再将训练数据集以及对应的标签输入卷积神经网络模型进行训练，构建事件帧数据与对应标签之间的映射关系；最后根据事件帧数据与对应标签的映射关系模型，对滚动轴承的健康状态进行诊断；本发明能够适配非接触式传感器实现滚动轴承的故障诊断，并且提高了使用事件数据进行故障诊断的精度与泛化性能。

技术领域

本发明涉及机械故障诊断技术领域，尤其是一种基于增强事件视觉数据的滚动轴承智能故障诊断方法及系统。

背景技术

随着智能电机系统的快速发展，与之密切相关的旋转机械同样得到了广泛的应用，并且旋转机械的正常运行与轴承的健康状态密切相关，轴承的健康状态直接反应了整个旋转机械系统是否可以正常运行。然而由于轴承需要在高速、高温以及高压的环境长期工作，因此轴承在运行时失效的可能性非常高，这将导致机械设备损坏甚至造成经济、环境损失与人身安全事故。因此针对滚动轴承的健康状态进行监测与诊断是一项十分重要的任务。

在工程实际中，振动信号由于可以有效的反映轴承健康状态，被广泛应用于各项健康状态监测任务之中。针对滚动轴承振动信号的采集，采用加速度传感器是最为常见的方法，然而由于加速度传感器需要与振动机械直接相连，因此需要预留安装位置并且需要安装空间，同时由于传感器会随着机械进行高频率的振动，这导致传感器失效的可能性大大增加，因此加速度传感器在工程实际中的应用并不能达到很好的效果。

随着测量技术的发展，检测技术也在向非接触、高精度以及高速度的方向迅速发展，部分非接触式传感器也已经被用于滚动轴承的信号采集，目前用于监测振动的非接触式传感器主要包括：电涡流传感器、激光测振仪以及高速相机，这类传感器无需与振动机械直接接触即可完成测量任务，但是其缺陷也比较明显；电涡流传感器对被测物体的形状与材料有严格的要求，并且测试系统较为昂贵，安装方式与位置也比较严格；激光测振仪同样有成本较高与安装位置严格的问题；高速相机则容易受到环境光照的影响，并且计算量大，无用的背景数据占据了过多的计算资源，测量振动也不够准确。

事件相机作为新型的非接触式视觉传感器，由于其具有高时间分辨率、高动态范围的特性已经被用于振动的测量，但是目前针对事件数据的处理，并没有可以很好的适配滚动轴承健康状态采集、转化、处理与诊断的整体方案，并且相关的故障诊断流程不够完善，工程实际应用价值不高。

综上所述，现有的传统接触与非接触式传感器具有较多缺陷，并且目前基于事件相机的滚动轴承故障诊断方法流程不够完善，整体的故障效果不够好，故障诊断模型的泛化性能以及精度都有很大的提升空间。

发明内容

为了克服上述现有技术的缺点，本发明的目的在于提供了一种基于增强事件视觉数据的滚动轴承智能故障诊断方法及系统，能够适配非接触式传感器实现滚动轴承的故障诊断，并且提高了使用事件数据进行故障诊断的精度与泛化性能。

为了达到上述目的，本发明采用的技术方案如下：

一种基于增强事件视觉数据的滚动轴承智能故障诊断方法，包括以下步骤：

步骤1，数据采集：采用事件相机作为传感器对滚动轴承的健康状态进行非接触式的采集，共采集七类不同健康状态的原始轴承振动信号作为原始事件流数据，七类不同健康状态包括正常状态、外圈故障、内圈故障以及滚动体故障，并且三类故障类型均在轻载以及重载状态下分别进行了采集；