[發明專利]軸承故障診斷的多任務深度神經網絡方法及裝置

有效

• 申請號: 202110441167.1
• 申請日: 2021-04-23
• 公開（公告）號: CN113191240B
• 公開（公告）日: 2022-04-08
• 發明（設計）人: 趙志宏;李樂豪;李晴;楊紹普;劉永強;顧曉輝;李鶴飛;劉澤潮;陳恩利
• 申請（專利權）人: 石家莊鐵道大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G06N3/04;G06N3/08;G01M13/045
• 代理公司: 河北國維致遠知識產權代理有限公司 13137
• 代理人: 秦敏華

本發明適用于檢測技術領域，提供了一種軸承故障診斷的多任務深度神經網絡方法及裝置，該方法包括：采集不同故障類型的軸承振動信號，并提取各軸承振動信號對應的頻譜；創建軸承樣本集；搭建具有輔助任務的多任務深度神經網絡，多任務深度神經網絡包括輔助任務執行模塊和故障診斷任務執行模塊，輔助任務執行模塊包括特征提取模塊和頻譜生成模塊；故障診斷任務執行模塊包括特征提取模塊和故障分類模塊；將軸承樣本集輸入至多任務深度神經網絡中訓練；采用完成網絡訓練的多任務深度神經網絡對待測軸承進行故障診斷。通過上述方法，本申請能夠讓神經網絡在故障識別過程中，使隱層神經網絡學到振動信號頻譜中的特征，以此提高神經網絡軸承故障診斷的魯棒性。

技術領域

本發明屬于檢測技術領域，尤其涉及一種軸承故障診斷的多任務深度神經網絡方法及裝置。

背景技術

隨著經濟的發展，機械設備朝著高速化、大型化發展，軸承是機械設備中最重要的部件之一，如果軸承發生故障會嚴重危害機械設備的可靠性，造成生產停滯，甚至威脅生命安全。雖然已有一些深度學習方法應用于軸承故障診斷方法，但是生產環境中采集到的振動信號常常包含大量的噪聲，故障特征常常被噪聲淹沒，因此故障識別結果準確性較差。

發明內容

有鑒于此，本發明實施例提供了一種軸承故障診斷的多任務深度神經網絡方法及裝置，以解決現有技術中因振動信號噪聲引起的故障識別結果準確性差的問題。

本發明實施例的第一方面提供了一種軸承故障診斷的多任務深度神經網絡方法，包括：

采集不同故障類型的軸承振動信號，并提取各軸承振動信號對應的頻譜；

將頻譜和故障類型作為對應軸承振動信號的樣本標簽，創建軸承樣本集，軸承樣本集包括多個軸承樣本，各個軸承樣本分別包括軸承振動信號和樣本標簽；

搭建具有輔助任務的多任務深度神經網絡，多任務深度神經網絡包括輔助任務執行模塊和故障診斷任務執行模塊，輔助任務執行模塊包括順序連接的特征提取模塊和頻譜生成模塊；故障診斷任務執行模塊包括順序連接的特征提取模塊和故障分類模塊；

將軸承樣本集輸入至多任務深度神經網絡中完成網絡訓練；

采用完成網絡訓練的多任務深度神經網絡對待測軸承進行故障診斷。

本發明實施例的第二方面提供了一種軸承故障診斷的多任務深度神經網絡裝置，包括：

頻譜提取模塊，用于采集不同故障類型的軸承振動信號，并提取各軸承振動信號對應的頻譜；

樣本生成模塊，用于將頻譜和故障類型作為對應軸承振動信號的樣本標簽，創建軸承樣本集，軸承樣本集包括多個軸承樣本，各個軸承樣本分別包括軸承振動信號和樣本標簽；

模型搭建模塊，用于搭建具有輔助任務的多任務深度神經網絡，多任務深度神經網絡包括輔助任務執行模塊和故障診斷任務執行模塊，輔助任務執行模塊包括順序連接的特征提取模塊和頻譜生成模塊；故障診斷任務執行模塊包括順序連接的特征提取模塊和故障分類模塊；

訓練模塊，用于將軸承樣本集輸入至多任務深度神經網絡中完成網絡訓練；

故障診斷模塊，用于采用完成網絡訓練的多任務深度神經網絡對待測軸承進行故障診斷。

本發明實施例的第三方面提供了一種終端設備，包括存儲器、處理器以及存儲在存儲器中并可在處理器上運行的計算機程序，處理器執行計算機程序時實現如上軸承故障診斷的多任務深度神經網絡方法的步驟。

本發明實施例的第四方面提供了一種計算機可讀存儲介質，計算機可讀存儲介質存儲有計算機程序，計算機程序被處理器執行時實現如上軸承故障診斷的多任務深度神經網絡方法的步驟。