[發(fā)明專利]基于門控循環(huán)單元網(wǎng)絡(luò)的軸承故障識別方法

在審

• 申請?zhí)枺?/td>: 202010769848.6
• 申請日: 2020-08-04
• 公開（公告）號: CN111898686A
• 公開（公告）日: 2020-11-06
• 發(fā)明（設(shè)計）人: 徐廣耀;鄧雅馨;董育霖;吳子陽
• 申請（專利權(quán)）人: 重慶大學(xué)
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N3/04;G06N3/08;G01M13/04;G01M13/045
• 代理公司: 合肥方舟知識產(chǎn)權(quán)代理事務(wù)所(普通合伙) 34158
• 代理人: 劉躍

本發(fā)明針對軸承故障難以診斷的現(xiàn)狀，設(shè)計了高精度識別方法。該方法創(chuàng)新性地運用基于門控循環(huán)單元網(wǎng)絡(luò)對歷史加速度傳感器的時序數(shù)據(jù)進行處理，從而進行故障的預(yù)測及診斷。方法由PYTHON3.6.5的Keras工具搭建，包括以下步驟：S1:將加速度傳感器的時間序列數(shù)據(jù)劃分為訓(xùn)練集(包含T組數(shù)據(jù))、驗證集和測試集；S2:將訓(xùn)練集的數(shù)據(jù)輸入門控循環(huán)單元網(wǎng)絡(luò)中進行訓(xùn)練，直到網(wǎng)絡(luò)收斂；S3:將網(wǎng)絡(luò)在驗證集上進行參數(shù)優(yōu)化；S4:將訓(xùn)練好的模型用于測試集上進行模型的評價，得到高準(zhǔn)確率效果；S5:將模型保存應(yīng)用于實際情況中。該方法為旋轉(zhuǎn)機械的診斷提供了一種新的解決方案，進而在機械設(shè)備診斷領(lǐng)域進行廣泛應(yīng)用。

【技術(shù)領(lǐng)域】

本發(fā)明涉及一種基于門控循環(huán)單元網(wǎng)絡(luò)的軸承故障識別方法，屬于旋轉(zhuǎn)機械的故障診斷領(lǐng)域。

【背景技術(shù)】

旋轉(zhuǎn)機械是工業(yè)生產(chǎn)生活中最常用的機械設(shè)備種類之一，因而對旋轉(zhuǎn)機械設(shè)備的故障檢測在實際應(yīng)用情況中具有重大意義。軸承作為汽車構(gòu)造的重要部件之一，對汽車的承載能力、工作性能和汽車壽命有著顯著影響。但是傳統(tǒng)方法往往依賴傳統(tǒng)手動提取特征的方法，這將需要大量的先驗知識。由于手動提取特征過程與分類的過程分離，難以判斷特征提取過程對分類過程的影響，且效果有待進一步提高。

常見的方法主要分為理論的方法和基于統(tǒng)計的方法。基于統(tǒng)計學(xué)的分類方法越來越受到人們的重視，因為這些方法本身不需要過多的先驗知識，并且可以高效準(zhǔn)確地得到輸入和輸出之間的映射關(guān)系，例如人工神經(jīng)網(wǎng)絡(luò)、聚類、回歸等方法。神經(jīng)網(wǎng)絡(luò)算法能夠?qū)崿F(xiàn)自動識別，無需預(yù)先提取故障特征。此外，基于長短期記憶網(wǎng)絡(luò)(LSTM)的方法也被應(yīng)用于軸承故障識別領(lǐng)域。

為了解決傳統(tǒng)循環(huán)神經(jīng)網(wǎng)絡(luò)的梯度消失問題，LSTM通過三個門(輸入門、輸出門和遺忘門)能夠連續(xù)地實現(xiàn)傳送時序信息和更新記憶單元。GRU是LSTM三門設(shè)計的一種改進變體，GRU可以有效處理長短期的時序數(shù)據(jù)，并獲得有用信息。與LSTM相比，GRU沒有細胞狀態(tài)，可以直接利用隱藏狀態(tài)進行信息傳輸。因此，GRU的結(jié)構(gòu)更簡單，參數(shù)更少，訓(xùn)練速度更快。近年來，深度學(xué)習(xí)在分類任務(wù)中體現(xiàn)出了極大的優(yōu)勢，受此啟發(fā)，本申請人提出了一種基于門控循環(huán)單元網(wǎng)絡(luò)的軸承故障識別方法來解決上述問題，以提高軸承故障的識別精度。

【發(fā)明內(nèi)容】

本發(fā)明專利針對上述現(xiàn)有技術(shù)存在的缺陷，設(shè)計了一種基于門控循環(huán)單元網(wǎng)絡(luò)的軸承故障識別方法。本發(fā)明專利的技術(shù)系統(tǒng)能很好地利用加速度傳感器數(shù)據(jù)實現(xiàn)軸承故障的診斷，有助于旋轉(zhuǎn)機械的安全運行。

為實現(xiàn)本發(fā)明目的而采用的技術(shù)方案是，一種基于門控循環(huán)單元網(wǎng)絡(luò)的軸承故障識別方法，主要包括以下步驟：

步驟1：數(shù)據(jù)采集后進行預(yù)處理，得到加速度傳感器時序數(shù)據(jù)，并劃分數(shù)據(jù)集為訓(xùn)練集、驗證集和測試集；

步驟2：將訓(xùn)練集的數(shù)據(jù)輸入門控循環(huán)單元網(wǎng)絡(luò)中進行訓(xùn)練，直到網(wǎng)絡(luò)收斂；

步驟3：將驗證集的數(shù)據(jù)輸入網(wǎng)絡(luò)進行驗證，并調(diào)節(jié)網(wǎng)絡(luò)的參數(shù)，最終得到最優(yōu)的參數(shù)；

步驟4：將最終模型進行保存，輸入測試集進行識別效果測試，最終模型可用于實際旋轉(zhuǎn)機械診斷環(huán)節(jié)。

進一步地，所述步驟1的主要步驟如下：

步驟1.1：數(shù)據(jù)采集：實驗采用SKF6205軸承，通過電火花加工引入故障，故障直徑分別為0.18mm、0.36mm和0.53mm，采集了正常狀態(tài)、滾珠故障、內(nèi)圈故障和外圈故障4種振動信號數(shù)據(jù)；

步驟1.2：數(shù)據(jù)預(yù)處理：對指標(biāo)歷史時序數(shù)據(jù)進行均值法缺失值填補，異常值處理和標(biāo)準(zhǔn)化后得到最終的歷史時序數(shù)據(jù)集；

步驟1.3：數(shù)據(jù)集劃分：將歷史時序數(shù)據(jù)集的劃分為：訓(xùn)練集包含1900條數(shù)據(jù)、驗證集包含500條數(shù)據(jù)和測試集包含500條數(shù)據(jù)。

進一步地，所述步驟2的主要步驟如下：