[發(fā)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?zhí)枺?/td>: 201710784382.5
• 申請日: 2017-09-04
• 公開（公告）號: CN107451760B
• 公開（公告）日: 2020-06-26
• 發(fā)明（設(shè)計）人: 雷亞國;邢賽博;賈峰;楊彬
• 申請（專利權(quán)）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(chǎn)權(quán)代理事務(wù)所 61215
• 代理人: 賀建斌

基于時窗滑移受限玻爾茲曼機的滾動軸承故障診斷方法，首先獲取滾動軸承在不同健康狀態(tài)下的振動信號，建立基于時窗滑移受限玻爾茲曼機的故障診斷模型；然后訓練時窗滑移受限玻爾茲曼機，利用經(jīng)過訓練的受限玻爾茲曼機從每次滑移后位于時窗內(nèi)的信號片段提取局部特征，并取局部特征每一維最大值作為振動信號的故障特征；最后基于提取的故障特征，訓練Softmax分類器，利用訓練后的分類器完成軸承故障的智能診斷，本發(fā)明改進了傳統(tǒng)受限玻爾茲曼機直接從振動信號提取特征的能力，并克服傳統(tǒng)受限玻爾茲曼機難以提取具有平移不變性的特征而不利于智能算法進行分類的問題，并最終提高了診斷精度。

技術(shù)領(lǐng)域

本發(fā)明屬于滾動軸承的故障診斷技術(shù)領(lǐng)域，具體涉及基于時窗滑移受限玻爾茲曼機的滾動軸承故障診斷方法。

背景知識

旋轉(zhuǎn)機械被廣泛應(yīng)用于電力、石化、冶金和交通運輸?shù)阮I(lǐng)域，是工業(yè)生產(chǎn)中的重要設(shè)備。作為旋轉(zhuǎn)機械的一種關(guān)鍵零部件，滾動軸承長期工作于高溫、高速、重載的環(huán)境下，成為最易出現(xiàn)故障的零部件之一，因而需要故障診斷技術(shù)及時發(fā)現(xiàn)軸承故障，以保證設(shè)備的正常運行。對滾動軸承進行故障診斷通常包括數(shù)據(jù)獲取、特征提取和選擇、故障識別三個步驟。在數(shù)據(jù)獲取階段，為全面診斷滾動軸承故障，通常利用傳感器網(wǎng)絡(luò)實時監(jiān)測并獲取軸承的健康狀態(tài)數(shù)據(jù)，由于監(jiān)測軸承數(shù)量多，采樣頻率高，設(shè)備運行周期內(nèi)采集數(shù)據(jù)時間長，獲取了機械大數(shù)據(jù)，這對特征提取和選擇提出了挑戰(zhàn)。傳統(tǒng)的由診斷專家依據(jù)信號特性及診斷專業(yè)知識通過信號處理技術(shù)人工提取和選擇特征的方法耗時耗力，無法滿足從機械大數(shù)據(jù)中提取故障特征的要求。非監(jiān)督特征學習方法能夠從數(shù)據(jù)中自動提取特征用于分類，成為代替人工特征提取和選擇的有力工具。作為一種非監(jiān)督特征學習方法，受限玻爾茲曼機由于其結(jié)構(gòu)和算法相對簡單等優(yōu)點被廣泛應(yīng)用于語音、圖像等領(lǐng)域的自動特征提取。

然而，傳統(tǒng)受限玻爾茲曼機應(yīng)用于滾動軸承故障特征提取時存在如下兩個問題。(1)振動信號是由傳感器網(wǎng)絡(luò)獲取的最直接和原始的信號表達形式，但是傳統(tǒng)受限玻爾茲曼機需要以振動信號的頻譜幅值等作為輸入進一步提取和選擇特征，其直接從原始振動信號中提取故障特征的能力較弱；(2)滾動軸承運行時產(chǎn)生的振動信號具有周期性，即故障特征在時域上周期性出現(xiàn)，這要求提取的特征具有平移不變性,以利于被人工神經(jīng)網(wǎng)絡(luò)等智能算法分類，但是傳統(tǒng)受限玻爾茲曼機難以從這種周期性振動信號中提取具有平移不變性的特征，最終導致較低的診斷精度，難以獲得良好的診斷效果。

發(fā)明內(nèi)容

為了克服上述現(xiàn)有技術(shù)的缺點，本發(fā)明的目的在于提出基于時窗滑移受限玻爾茲曼機的滾動軸承故障診斷方法，能夠高效、智能地完成大數(shù)據(jù)背景下滾動軸承的故障診斷。

為了達到上述目的，本發(fā)明采取的技術(shù)方案為：

基于時窗滑移受限玻爾茲曼機的滾動軸承故障診斷方法，包括以下步驟：

1)獲取滾動軸承在不同健康狀態(tài)下的振動信號，組成振動信號集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；