[發明專利]一種滾動軸承故障智能診斷方法及其系統

在審

• 申請號: 202010846999.7
• 申請日: 2020-08-21
• 公開（公告）號: CN112146879A
• 公開（公告）日: 2020-12-29
• 發明（設計）人: 尹經天;張西良;劉庭瑞;倪夢瑤;毛天宇;閆妍
• 申請（專利權）人: 江蘇大學
• 主分類號: G01M13/045
• 分類號: G01M13/045;G06N3/04;G06N3/08
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種滾動軸承故障智能診斷方法，其特征在于，包括以下步驟：

步驟S1：振動信號的采集：收集軸承振動的試驗信號和實況信號；

步驟S2：振動信號的預處理：將軸承振動的試驗信號和實況信號做0-1標準化處理，并分別劃分訓練集和測試集；

步驟S3：源網絡的構建和訓練：構建LSTM-softmax網絡，使用試驗信號訓練網絡，得到適用于試驗的源網絡；

步驟S4：計算試驗信號和實況信號的相似度：計算試驗信號與實況信號的動態時間規整DTW距離；

步驟S5：目標網絡的構建和訓練：根據所述DTW的值，遷移源網絡的全部或部分結構和參數，以此為基礎構建目標網絡，使用實況信號對新網絡訓練，最終得到適用于實際工況的目標網絡。

2.根據權利要求1所述的一種滾動軸承故障智能診斷方法，其特征在于，所述步驟S2中的0-1標準化處理是將振動信號映射到區間[0,1]上，計算公式為：

式中，x_i是振動信號在某一時刻的加速度值，i表示第i個序列。

3.根據權利要求1所述的一種滾動軸承故障智能診斷方法，其特征在于，所述步驟S3中的LSTM-softmax網絡，包括兩層LSTM網絡和一個softmax分類器；每層LSTM網絡由n個LSTM單元連接而成，第一層LSTM網絡的以振動信號為輸入，對振動信號進行初步特征提取，然后將初步特征送入第二層LSTM網絡進行深度特征提取，最后一個時刻的LSTM單元整合提取的深度特征并送入softmax分類器進行特征學習和分類，最終得到試驗故障診斷結果。

4.根據權利要求3所述的一種滾動軸承故障智能診斷方法，其特征在于，所述LSTM單元包括單元狀態、輸入門、遺忘門和輸出門，所述單元狀態用于保存網絡的長期信息，所述輸入門用于控制輸入信息進入LSTM單元，遺忘門用于篩選前一個時刻的單元狀態的cell單元信息和信號特征，輸出門用于向下一個時刻的單元和下一層同時刻的單元輸出狀態信息；

所述輸入門、遺忘門、輸出門通過控制輸入的振動信號和前一時刻單元的信息來更新單元狀態和單元的輸出。