[發明專利]基于時窗滑移受限玻爾茲曼機的滾動軸承故障診斷方法

有效

• 申請號: 201710784382.5
• 申請日: 2017-09-04
• 公開（公告）號: CN107451760B
• 公開（公告）日: 2020-06-26
• 發明（設計）人: 雷亞國;邢賽博;賈峰;楊彬
• 申請（專利權）人: 西安交通大學
• 主分類號: G06Q10/06
• 分類號: G06Q10/06;G01M13/045
• 代理公司: 西安智大知識產權代理事務所 61215
• 代理人: 賀建斌

1.基于時窗滑移受限玻爾茲曼機的滾動軸承故障診斷方法，其特征在于：包括以下步驟：

1)獲取滾動軸承在不同健康狀態下的振動信號，組成振動信號集xⁱ為第i個振動信號，N為振動信號個數，建立基于時窗滑移受限玻爾茲曼機的故障診斷模型,故障診斷模型包括時窗滑移受限玻爾茲曼機和Softmax分類器，時窗滑移受限玻爾茲曼機用于提取故障特征，Softmax分類器以提取的故障特征為輸入，用于完成故障診斷；

2)對時窗滑移受限玻爾茲曼機進行訓練，首先確定時窗滑移受限玻爾茲曼機時窗長度N_in、輸出維數N_out和截取樣本片段的步長I_train，構建以時窗長度N_in為可見層維數、輸出維數N_out為隱層維數的受限玻爾茲曼機為其基本組件，將訓練時窗滑移受限玻爾茲曼機轉化為對其基本組件受限玻爾茲曼機的訓練，分別從每個振動信號中以步長I_train截取長度為N_in的樣本片段，組成樣本片段集，然后對樣本片段集進行預處理得到樣本片段訓練集用于訓練受限玻爾茲曼機，預處理過程包括：白化、Z-score標準化及將每一個樣本片段幅值平移縮放到區間[0,1]；訓練完成后，利用長度為N_in的時窗以步長I_test在振動信號xⁱ上滑移，每次滑移位于時窗內的信號片段都利用受限玻爾茲曼機提取其故障特征，作為信號的局部特征，再取局部特征每一維的最大值，作為該振動信號的信號特征,具體是：

2.1)首先確定時窗滑移受限玻爾茲曼機時窗長度N_in和輸出維數N_out，分別從每個振動信號中以步長I_train截取N_in長度的樣本片段，組成樣本片段集其中，是第j個樣本片段，且包含N_in個數據點；先對樣本片段集進行白化，接著對經過白化的樣本片段集進行Z-score標準化，最后將白化和標準化后的樣本片段集中各樣本片段幅值平移縮放到[0,1]，得到樣本片段訓練集

2.2)利用樣本片段訓練集通過對比散度(CD)算法訓練受限玻爾茲曼機；

2.3)利用長度為N_in的時窗以步長I_test在振動信號xⁱ上滑移，第j次滑移后位于時窗內的信號片段經過相同的白化、標準化和平移縮放預處理后輸入經過訓練的受限玻爾茲曼機提取其故障特征，得到信號的局部特征時窗在振動信號xⁱ上完成滑移后，得到的所有局部特征組成信號的局部特征集再取局部特征集每一列的最大值，作為該振動信號xⁱ的信號特征即

其中表示取矩陣每一列最大值組成的行向量；

3)將時窗滑移受限玻爾茲曼機提取的信號特征作為振動信號xⁱ的故障特征，輸入Softmax分類器，通過最大化該振動信號對應標簽的輸出概率訓練分類器；訓練完成后，以最大輸出概率的標簽作為該振動信號xⁱ對應的健康狀態，完成滾動軸承的智能故障診斷。