[發明專利]基于移位窗口變換器網絡的滾動軸承故障診斷方法及系統

在審

• 申請號: 202111519334.6
• 申請日: 2021-12-13
• 公開（公告）號: CN114152441A
• 公開（公告）日: 2022-03-08
• 發明（設計）人: 姜明順;王浩淼;王金喜;李沂濱;賈磊
• 申請（專利權）人: 山東大學
• 主分類號: G01M13/045
• 分類號: G01M13/045
• 代理公司: 濟南圣達知識產權代理有限公司 37221
• 代理人: 黃海麗

本發明提供了一種基于移位窗口變換器網絡的滾動軸承故障診斷方法及系統。該方法包括，獲取待測滾動軸承的振動信號；將所述振動信號通過小波時頻變換轉換為小波時頻圖；采用預設移位窗口變換器網絡模型對所述小波時頻圖進行診斷，得到滾動軸承的故障類型及位置；其中，所述移位窗口變換器網絡模型包括分布在各個階段的移位窗口變換器網絡組件，所述移位窗口變換器網絡組件至少包括兩個串聯的移位窗口變換器網絡，所述移位窗口變換器網絡包括多層感知機和窗口多頭注意力層。

技術領域

本發明屬于滾動軸承故障診斷領域，尤其涉及一種基于移位窗口變換器網絡的滾動軸承故障診斷方法及系統。

背景技術

本部分的陳述僅僅是提供了與本發明相關的背景技術信息，不必然構成在先技術。

滾動軸承是旋轉機械的關鍵部件，其健康的工作狀態對于旋轉機械設備具有十分重要的意義?？煽坑行У臐L動軸承故障診斷方法可以減少機械設備的維護費用，避免重大的事故的發生。因此，開展滾動軸承故障診斷的研究具有重要的工程意義。

目前，對于滾動軸承的故障診斷國內外研究很多，大致可以分為傳統故障診斷方法和基于大數據驅動的智能故障診斷方法。滾動軸承的故障特征信息一般可以從振動、溫度和聲發射等監測數據中提取。故障診斷方法可以有效獲取故障特征，準確識別軸承故障的類型、發生位置。傳統的滾動軸承故障診斷方法從振動信號的時域、頻域和時頻域中獲取特征，信號處理方法歷經傅里葉變換→小波變換→經驗模態分解的發展。傳統的滾動軸承故障診斷方法依賴于專家知識。

隨著傳感器、圖形計算單元的發展，軸承的故障信號的規模數量是十分豐富的，圖形計算單元的發展為大數據所需的算力提供了硬件基礎。面對如此龐大的故障信號數據，僅僅依靠人類自身的經驗已經不能滿足滾動軸承的故障診斷需求?；诖髷祿寗拥闹悄茉\斷方法使得計算機有著像人類一樣的學習能力，可以從故障信號數據中自動獲取故障特征，判斷故障的類別。一般使用的機器學習方法包括卷積神經網絡、循環神經網絡等?；诖髷祿寗拥闹悄茉\斷方法相較于傳統的故障診斷方法無需先驗知識。但是，針對滾動軸承故障類型時域特征相似，識別難度大，故障高維特征提取困難等問題，仍未解決。

發明內容

為了解決上述背景技術中存在的技術問題，本發明提供一種基于移位窗口變換器網絡的滾動軸承故障診斷方法及系統，其通過對小波時頻圖的識別，可以提取故障的高維特征，適用于大型設備關鍵部件的狀態監測；具有故障識別精度高、抗噪聲能力強的優點。

為了實現上述目的，本發明采用如下技術方案：

本發明的第一個方面提供一種基于移位窗口變換器網絡的滾動軸承故障診斷方法。

基于移位窗口變換器網絡的滾動軸承故障診斷方法，包括：

獲取待測滾動軸承的振動信號；

將所述振動信號通過小波時頻變換轉換為小波時頻圖；

采用預設移位窗口變換器網絡模型對所述小波時頻圖進行診斷，得到滾動軸承的故障類型及位置；

其中，所述移位窗口變換器網絡模型包括分布在各個階段的移位窗口變換器網絡組件，所述移位窗口變換器網絡組件至少包括兩個串聯的移位窗口變換器網絡，所述移位窗口變換器網絡包括多層感知機和窗口多頭注意力層。

本發明的第二個方面提供一種基于移位窗口變換器網絡的滾動軸承故障診斷系統。

基于移位窗口變換器網絡的滾動軸承故障診斷系統，包括：

獲取模塊，其被配置為：獲取待測滾動軸承的振動信號；

小波轉換模塊，其被配置為：將所述振動信號通過小波時頻變換轉換為小波時頻圖；

診斷模塊，其被配置為：采用預設移位窗口變換器網絡模型對所述小波時頻圖進行診斷，得到滾動軸承的故障類型及位置；