[發明專利]基于多局部模型決策融合的工業電機軸承故障診斷方法

有效

• 申請號: 202010425559.4
• 申請日: 2020-05-19
• 公開（公告）號: CN111380687B
• 公開（公告）日: 2022-04-22
• 發明（設計）人: 劉立;張子賢;孫寧;韓光潔
• 申請（專利權）人: 河海大學常州校區
• 主分類號: G01M13/045
• 分類號: G01M13/045
• 代理公司: 南京經緯專利商標代理有限公司 32200
• 代理人: 丁濤

1.一種基于多局部模型決策融合的工業電機軸承故障診斷方法，其特征在于，包括如下步驟：

S1數據采集：分別采用兩種不同類型的傳感器采集電機軸承相關的數據；

S2數據處理：分別對兩種不同類型的傳感器采集到的兩種數據進行預處理和特征提取；

S3建立多局部診斷模型：對步驟S2處理過的兩種數據分別基于Bi-LSTM神經網絡建立局部診斷模型，所述局部診斷模型為6層結構，包括輸入層、兩個堆疊的Bi-LSTM層、一個Attention層、一個全連接層和一個softmax分類層，其中，每個所述Bi-LSTM層包括一個LSTM前向層和一個LSTM逆向層，分別接收正向傳播數據和逆向傳播數據，第一個Bi-LSTM層的LSTM前向層和LSTM逆向層的輸出分別作為第二個Bi-LSTM層的LSTM前向層和LSTM逆向層的輸入，之后第二個Bi-LSTM層的LSTM前向層和LSTM逆向層融合輸出到Attention層，Attention層與全連接層的輸出分別作為全連接層與softmax分類層的輸入，最后softmax分類層輸出局部診斷結果；

S4 決策級融合：基于DSmT理論對兩個局部診斷模型輸出的局部診斷結果進行決策級融合并得到最終診斷結果。

2.根據權利要求1所述的基于多局部模型決策融合的工業電機軸承故障診斷方法，其特征在于，所述步驟S1中，采用兩種不同類型的傳感器采集電機軸承相關的數據，一種為采用振動傳感器在軸承的外殼上收集振動數據，另一種為采用內置光電編碼器收集軸承的光電編碼器信號。

3.根據權利要求2所述的基于多局部模型決策融合的工業電機軸承故障診斷方法，其特征在于：所述步驟S2中，對收集到的兩種數據進行預處理和特征提取，具體包括以下幾個步驟：

S2-1分別讀取振動傳感器和內置光電編碼器采集到的數據形成振動數據集和光電編碼器數據集；

S2-2采用留出法分別對振動數據集和光電編碼器數據集進行分類，其中，按3:1的比例將振動數據集分為振動數據訓練集與振動數據測試集，按3:1的比例將光電編碼器數據集分為光電編碼器數據訓練集與光電編碼器數據測試集；

S2-3對于所述振動數據訓練集采用經驗模式分解方法，將數據信號進行分解以獲得所有固有模式函數分量，進而提取振動的特征向量；

S2-4對于所述光電編碼器數據訓練集使用時頻域分析技術，提取光電編碼器數據的特征向量。

4.根據權利要求1所述的基于多局部模型決策融合的工業電機軸承故障診斷方法，其特征在于，所述步驟S3中建立多局部診斷模型，對處理過的振動數據訓練集和光電編碼器數據分別基于Bi-LSTM神經網絡建立局部診斷模型，具體步驟如下：

S3-1輸入層接收處理過的訓練集；

S3-2 Bi-LSTM層對LSTM前向層輸出的特征向量和LSTM反向層輸出的特征向量進行逐項求和，得到的和向量作為Bi-LSTM層的輸出向量；

S3-3 Attention層接收Bi-LSTM層的輸出特征向量并計算注意力權重系數，之后將注意力權重系數與Attention層接收的特征向量對應相乘以獲得最后的特征表達；

S3-4全連接層接受Attention層的輸出特征表達，將經過Bi-LSTM層、Attention層網絡訓練取得的特征映射到樣本標記空間；

S3-5softmax層接受全連接層的數據，并得出分類結果；

S3-6采用交叉熵損失函數來計算模型損失值，即局部診斷模型輸出的預測值與實際值的誤差。

5. 根據權利要求4所述的一種基于多局部模型決策融合的工業電機軸承故障診斷方法，其特征在于，所述多局部診斷模型在訓練過程中，通過多次迭代后利用Adam優化算法使得模型損失值逐步減小以實現優化模型，全連接層設置 Dropout比例，根據選取不同的學習率分別運行得到的準確率圖像以及收斂速度和算法復雜度選擇學習率。

6.根據權利要求1所述的一種基于多局部模型決策融合的工業電機軸承故障診斷方法，其特征在于，所述步驟S4決策級融合，基于DSmT理論對兩個局部診斷模型輸出的局部診斷結果進行決策級融合并得到最終診斷結果，具體過程如下：

S4-1建立識別框架，2個局部診斷模型輸出的局部診斷結果分別構成識別框架下的2個證據體；

S4-2確定出各證據體的基本賦值函數，分別計算單證據體作用下識別框架中各故障類型的置信區間；

S4-3利用DSmT理論的比例沖突分配規則，對證據體進行融合處理即計算所有證據體聯合作用下的基本賦值函數和置信區間；

S4-4根據實際情況，基于相應的決策規則，進而得到診斷結果。