[發明專利]一種基于知識蒸餾的電機軸承故障診斷方法

有效

• 申請號: 202011258352.9
• 申請日: 2020-11-12
• 公開（公告）號: CN112504678B
• 公開（公告）日: 2022-12-23
• 發明（設計）人: 李妍君;王雪;鄒懿;黃旭
• 申請（專利權）人: 重慶科技學院
• 主分類號: G01M13/045
• 分類號: G01M13/045
• 代理公司: 重慶蘊博君晟知識產權代理事務所(普通合伙) 50223
• 代理人: 王玉芝

1.一種基于知識蒸餾的電機軸承故障診斷方法，其特征在于，包括以下步驟，

S1:構建教師網絡；包括，設采樣頻率為Fs，軸承的轉頻為n，軸承滾珠直徑為d，軸承的節圓直徑為D，壓力角為α，基于頻域的用于教師網絡的特征向量制作包括以下步驟：

S11生成的頻譜采用去除直流分量、加漢寧窗、頻率分辨率大于0.1Hz，采用3根相鄰譜線值進行線性平均的方法設置為特征頻率的值；

S12確定第一組特征參數：

設特征頻率頻譜的一倍頻為1X，其頻譜幅值為f_1X，則頻譜中一倍頻到10倍頻的譜線值：1X-10X頻譜幅值f_X為第一組特征參數:

T₁＝{t₁₀,t₁₁,t₁₂,t₁₃,t₁₄,t₁₅,t₁₆,t₁₇,t₁₈,t₁₉}＝{f_1X,f_2X,f_3X,f_4X,f_5X,f_6X,f_7X,f_8X,f_9X,f_10X}

t表示特征參數；

S13確定第二組特征參數

第二組特征參數考慮內圈故障及其邊頻，

內圈故障的特征頻率f_BPI為滾動體通過內圈頻率

對每個內圈特征頻率計算2次邊頻：

t₂₁₁＝f_1BPI+1x＝1f_BPI+f_1X,t₂₁₂＝f_1BPI-1x＝1f_BPI-f_1X

t₂₂₁＝f_2BPI+1x＝2f_BPI+f_1X,t₂₂₂＝f_2BPI-1x＝2f_BPI-f_1X

t₂₃₁＝f_3BPI+1x＝3f_BPI+f_1X,t₂₃₂＝f_3BPI-1x＝3f_BPI-f_1X

t₂₄₁＝f_4BPI+1x＝4f_BPI+f_1X,t₂₄₂＝f_4BPI-1x＝4f_BPI-f_1X

t₂₅₁＝f_5BPI+1x＝5f_BPI+f_1X,t₂₅₂＝f_5BPI-1x＝5f_BPI-f_1X

第二組特征參數共有11個參數：

T₂＝{t₂₀,t₂₁₁,t₂₁₂,t₂₂₁,t₂₂₂,t₂₃₁,t₂₃₂,t₂₄₁,t₂₄₂,t₂₅₁,t₂₅₂}

S14確定第三組特征參數

外圈故障的特征頻率f_BPO為滾動體通過外圈頻率；

對每個外圈特征頻率計算2次邊頻：

t₃₁₁＝f_1BPO+1x＝f_BPO+f_1X,t₃₁₂＝f_1BPO-1x＝f_BPO-f_1X

t₃₂₁＝f_2BPO+1x＝2f_BPO+f_1X,t₃₂₂＝f_2BPO-1x＝2f_BPO-f_1X

t₃₃₁＝f_3BPO+1x＝3f_BPO+f_1X,t₃₃₂＝f_3BPO-1x＝3f_BPO-f_1X

t₃₄₁＝f_4BPO+1x＝4f_BPO+f_1X,t₃₄₂＝f_4BPO-1x＝4f_BPO-f_1X

t₃₅₁＝f_5BPO+1x＝5f_BPO+f_1X,t₃₅₂＝f_5BPO-1x＝5f_BPO-f_1X

第三組特征參數共有11個參數：

T₃＝{t₃₀,t₃₁₁,t₃₁₂,t₃₂₁,t₃₂₂,t₃₃₁,t₃₃₂,t₃₄₁,t₃₄₂,t₃₅₁,t₃₅₂}

S15確定第四組特征參數

保持架故障的特征頻率f_FT為保持架頻率；

對每個保持架特征頻率計算2次邊頻：

t₄₁₁＝f_1FT+1x＝f_FT+f_1X,t₄₁₂＝f_1FT-1x＝f_FT-f_1X

t₄₂₁＝f_2FT+1x＝2f_FT+f_1X,t₄₂₂＝f_2FT-1x＝2f_FT-f_1X

t₄₃₁＝f_3FT+1x＝3f_FT+f_1X,t₄₃₂＝f_3FT-1x＝3f_FT-f_1X

t₄₅₁＝f_5FT+1x＝5f_FT+f_1X,t₄₅₂＝f_5FT-1x＝5f_FT-f_1X

四組特征參數共有11個參數：

T₄＝{t₄₀,t₄₁₁,t₄₁₂,t₄₂₁,t₄₂₂,t₄₃₁,t₄₃₂,t₄₄₁,t₄₄₂,t₄₅₁,t₄₅₂}

S16確定第五組特征參數

滾珠故障的特征頻率f_BS滾動體自轉頻率；

對每個滾珠特征頻率計算2次邊頻：

t₅₁₁＝f_1BS+1x＝f_BS+f_1X,t₃₁₂＝f_1BS-1x＝f_BS-f_1X

t₅₂₁＝f_2BS+1x＝2f_BS+f_1X,t₅₂₂＝f_2BS-1x＝2f_BPO-f_1X

t₅₃₁＝f_3BS+1x＝3f_BS+f_1X,t₅₃₂＝f_3BS-1x＝3f_BS-f_1X

t₅₄₁＝f_4BS+1x＝4f_BS+f_1X,t₅₄₂＝f_4BS-1x＝4f_BS-f_1X

t₅₅₁＝f_5BS+1x＝5f_BS+f_1X,t₅₅₂＝f_5BS-1x＝5f_BS-f_1X

第五組特征參數共有11個參數：

T₅＝{t₅₀,t₅₁₁,t₅₁₂,t₅₂₁,t₅₂₂,t₅₃₁,t₅₃₂,t₅₄₁,t₅₄₂,t₅₅₁,t₅₅₂}

利用54個特征參數構建教師網絡的輸入向量；

S2:構建學生網絡,包括，發生故障時，同時接受振動數據和電流數據，利用已經訓練好的教師網絡作為部分分類目標，利用電流信號和轉速信號輸入作為學生模型,誘導學生網絡的模型收斂，直到最后完全放棄教師網絡，建立學生網絡模型；

S3訓練教師-學生異構網絡。