[發明專利]基于人工神經網絡的電機軸承故障診斷方法

在審

• 申請號: 201711030876.0
• 申請日: 2017-10-30
• 公開（公告）號: CN107655690A
• 公開（公告）日: 2018-02-02
• 發明（設計）人: 王才旺
• 申請（專利權）人: 王才旺
• 主分類號: G01M13/04
• 分類號: G01M13/04
• 代理公司: 鄭州銘晟知識產權代理事務所(特殊普通合伙)41134
• 代理人: 趙倫

1.基于人工神經網絡的電機軸承故障診斷方法，其特征在于，依次包括以下步驟：

（1）特征向量提取：利用振動傳感器采集電機軸承的內圈、外圈及滾動體在不同狀態下的振動信號作為特征數據，組成特征向量，作為神經網絡的輸入；

（2）設計人工神經網絡結構：根據提取到的特征向量的維數，確定人工神經網絡的節點數；

（3）將特征信號的一部分作為訓練樣本，利用訓練神經網絡，得到期望輸出；

（4）將剩余特征信號作為驗證樣本，對電機軸承的故障點進行診斷。

2. 如權利要求1所述的基于人工神經網絡的電機軸承故障診斷方法，其特征在于：所述步驟（1）中，分別提取電機軸承的內圈、外圈及滾動體的四個時域特征，包括均值、方差、峭度和峰峰值，其中均值是電機軸承在特定時域內振動數據的平均值，利用公式計算；方差是電機軸承在特定時域內振動數據的方差，利用公式計算；峭度表示電機軸承在故障時形成的大幅值脈沖，利用公式計算；峰峰值表示電機軸承在特定時域內振動數據的最高值和最低值的差，以上，n表示采集到的特征信號的數量，j表示第j個特征信號，j=1,2，……，j，表示第j個特征數據。

3.如權利要求2所述的基于人工神經網絡的電機軸承故障診斷方法，其特征在于：所述步驟（2）中，人工神經網絡的輸入節點數為4個，人工神經網絡的輸出節點數為4個，分別為正常、滾動體故障、內圈故障及外圈故障四種狀態，人工神經網絡的隱層節點數為8個。

4.如權利要求3所述的基于人工神經網絡的電機軸承故障診斷方法，其特征在于，所述步驟（3）中，對神經網絡進行訓練的過程如下：

a、給定神經網絡的輸入特征向量和期望輸出；

b、計算隱層及輸出層的輸出，

其中，隱層第j個神經元的輸出為：

其中，表示神經元，表示隱層的傳輸函數，表示神經元j的隱層的閾值向量， =1,2，……，； =1,2，……，J；

輸出層第k個神經元的輸出為：

其中，表示輸出層的傳輸函數，I表示輸入層的神經元個數，表示神經元j的隱層的輸出向量，表示神經元k的隱層的閾值向量， =1,2，……，； =1,2，……，J；

c、計算神經網絡的期望輸出與實際輸出的偏差，其中表示神經元k的輸出層的輸出向量，表示第k個神經元的期望輸出， =1,2，……，；

d、利用下式對網絡的權值和閾值進行修正，直至樣本的輸出偏差達到最小：

其中，表示第n次迭代時各層之間的連接權值和閾值，為常數，表示第n+1次迭代時各層之間的連接權值和閾值。

5.如權利要求4所述的基于人工神經網絡的電機軸承故障診斷方法，其特征在于：所述步驟（4）中，利用神經網絡對驗證樣本進行驗證時，輸入層與隱層之間的傳遞函數為tansig函數，隱層與輸出層之間的傳遞函數為purelin函數。