[發(fā)明專利]一種高通用性、多場(chǎng)景智能化的滾動(dòng)軸承故障診斷系統(tǒng)

在審

• 申請(qǐng)?zhí)枺?/td>: 202210726805.9
• 申請(qǐng)日: 2022-06-24
• 公開(kāi)（公告）號(hào): CN114923691A
• 公開(kāi)（公告）日: 2022-08-19
• 發(fā)明（設(shè)計(jì)）人: 駱曉青;劉洋;賈霖霖;于洪巖;王立峰;魏星;駱江龍
• 申請(qǐng)（專利權(quán)）人: 杭州星宸智聯(lián)技術(shù)有限公司
• 主分類號(hào): G01M13/045
• 分類號(hào): G01M13/045;G06N3/04;G06N3/08
• 代理公司: 西安智大知識(shí)產(chǎn)權(quán)代理事務(wù)所 61215
• 代理人: 賀建斌

一種高通用性、多場(chǎng)景智能化的滾動(dòng)軸承故障診斷系統(tǒng)，包括無(wú)線振動(dòng)傳感器、工業(yè)邊緣計(jì)算網(wǎng)關(guān)和設(shè)備健康管理云平臺(tái)；通過(guò)無(wú)線振動(dòng)傳感器收集滾動(dòng)軸承的振動(dòng)信號(hào)，將振動(dòng)信號(hào)無(wú)線傳輸給工業(yè)邊緣計(jì)算網(wǎng)關(guān)；通過(guò)工業(yè)邊緣計(jì)算網(wǎng)關(guān)轉(zhuǎn)換振動(dòng)信號(hào)的數(shù)據(jù)格式，并將其傳送給設(shè)備健康管理云平臺(tái)；通過(guò)設(shè)備健康管理云平臺(tái)的HSIM模塊的智能分析，給出振動(dòng)信號(hào)的最終分類預(yù)測(cè)值；HSIM模塊包括：一維卷積神經(jīng)網(wǎng)絡(luò)自動(dòng)提取信號(hào)特征，全連接分類器和SVM分類器并行結(jié)合概率閾值決策對(duì)樣本進(jìn)行分類，通過(guò)決策函數(shù)確定分類結(jié)果，根據(jù)分類結(jié)果生成簡(jiǎn)易診斷報(bào)告或故障類別建議以供二次人工診斷；本發(fā)明具有通用性強(qiáng)、召回率高的優(yōu)點(diǎn)。

技術(shù)領(lǐng)域

本發(fā)明涉及滾動(dòng)軸承故障診斷技術(shù)領(lǐng)域，具體涉及一種高通用性、多場(chǎng)景智能化(High Scalable Intelligent Method,HSIM)的滾動(dòng)軸承故障診斷系統(tǒng)。

背景技術(shù)

滾動(dòng)軸承是機(jī)電設(shè)備中應(yīng)用最為廣泛的機(jī)械部件，也是最易損壞的部件之一。有資料表明，在旋轉(zhuǎn)機(jī)械中有70％的故障是由滾動(dòng)軸承引起的，在齒輪箱的各類故障中軸承的故障僅次于齒輪而占到19％，電機(jī)故障中有80％表現(xiàn)為電機(jī)軸承故障；而滾動(dòng)軸承的失效必然導(dǎo)致機(jī)械裝置運(yùn)行的不正常，甚至引發(fā)災(zāi)難性的后果，因此對(duì)滾動(dòng)軸承常見(jiàn)故障的研究顯得十分重要。

目前，國(guó)內(nèi)外開(kāi)發(fā)生產(chǎn)的各種滾動(dòng)軸承臨測(cè)與診斷儀器和系統(tǒng)大都是根據(jù)振動(dòng)分析法的原理制成的，振動(dòng)分析法是通過(guò)安裝在軸承座或箱體適當(dāng)方位的振動(dòng)傳感器監(jiān)測(cè)軸承振動(dòng)信號(hào)，并對(duì)此信號(hào)進(jìn)行分析與處理來(lái)判斷軸承工況與故障的。有關(guān)軸承監(jiān)測(cè)與診斷方面的文獻(xiàn)80％以上討論的是振動(dòng)分析法，從適用、實(shí)用、有效的觀點(diǎn)看，目前沒(méi)有比振動(dòng)分析法更好的滾動(dòng)軸承監(jiān)視與診斷方法了。

傳統(tǒng)的振動(dòng)分析法需要手工提取振動(dòng)信號(hào)的特征，需依靠專業(yè)的頻譜分析儀器及專業(yè)的振動(dòng)分析工程師通過(guò)經(jīng)驗(yàn)判斷，成本高，且對(duì)振動(dòng)分析師的專業(yè)知識(shí)及經(jīng)驗(yàn)積累等要求比較高。目前工業(yè)界滾動(dòng)軸承故障分析預(yù)測(cè)都需要專業(yè)的振動(dòng)分析工程師加上高精密的頻譜分析儀器的配合來(lái)對(duì)現(xiàn)場(chǎng)設(shè)備進(jìn)行準(zhǔn)確的故障診斷，儀器成本高，智能化程度低，且對(duì)振動(dòng)分析師的專業(yè)知識(shí)及經(jīng)驗(yàn)積累等要求比較高；由于企業(yè)中的旋轉(zhuǎn)設(shè)備數(shù)量往往很大，需要一個(gè)龐大的振動(dòng)分析師團(tuán)隊(duì)才能完成滾動(dòng)軸承故障診斷預(yù)測(cè)的工作。由于軸承的使用壽命相對(duì)較長(zhǎng)，在待檢測(cè)信號(hào)中，有故障的信號(hào)往往只占全部信號(hào)的一小部分。因此造成振動(dòng)分析師需要花費(fèi)大量的時(shí)間在正常設(shè)備的信號(hào)上，造成人力成本和時(shí)間成本的大量浪費(fèi)；

近年來(lái)機(jī)器學(xué)習(xí)及深度學(xué)習(xí)知識(shí)逐漸用于滾動(dòng)軸承的故障診斷，一維卷積網(wǎng)絡(luò)(1DCNN)、寬卷積網(wǎng)絡(luò)(WDCNN)等方法應(yīng)用廣泛，但由于工業(yè)數(shù)據(jù)的特點(diǎn)——數(shù)據(jù)量少、數(shù)據(jù)不均衡等，使得機(jī)器學(xué)習(xí)模型過(guò)擬合嚴(yán)重，預(yù)測(cè)準(zhǔn)確率差；由于神經(jīng)網(wǎng)絡(luò)模型對(duì)數(shù)據(jù)分布的要求，使得機(jī)械系統(tǒng)的故障預(yù)測(cè)普遍存在一機(jī)一模型情況，甚至同一臺(tái)設(shè)備同一工況下振動(dòng)信號(hào)的采樣率不同判斷模型亦不同，因此每一臺(tái)設(shè)備都需要單獨(dú)訓(xùn)練一個(gè)模型，耗時(shí)耗力，而工業(yè)實(shí)踐中給每一臺(tái)設(shè)備定制一個(gè)診斷設(shè)備以集成相應(yīng)的模型是不切實(shí)際的，因此技術(shù)難以落地。此外，機(jī)器學(xué)習(xí)分類模型關(guān)注于對(duì)滾動(dòng)軸承的故障類別進(jìn)行判斷，而在滾動(dòng)軸承故障診斷的工業(yè)實(shí)踐過(guò)程中工程人員并不十分關(guān)心滾動(dòng)軸承故障的類別(只要存在故障，設(shè)備即需要進(jìn)行維修)因此不需要對(duì)故障進(jìn)行十分精確的分類，而是需要對(duì)設(shè)備是否存在故障進(jìn)行精準(zhǔn)的檢測(cè)，即設(shè)備故障樣本的召回率需達(dá)100％以避免工業(yè)事故的發(fā)生。

發(fā)明內(nèi)容

為了解決現(xiàn)階段工業(yè)滾動(dòng)軸承診斷存在的問(wèn)題，克服上述現(xiàn)有技術(shù)的缺點(diǎn)，本發(fā)明的目的在于提供一種高通用性、多場(chǎng)景智能化(HSIM)的滾動(dòng)軸承故障診斷系統(tǒng)，具有通用性強(qiáng)、召回率高的優(yōu)點(diǎn)。

為了達(dá)到上述目的，本發(fā)明采取的技術(shù)方案為：

一種高通用性、多場(chǎng)景智能化的滾動(dòng)軸承故障診斷系統(tǒng)，包括無(wú)線振動(dòng)傳感器、工業(yè)邊緣計(jì)算網(wǎng)關(guān)和設(shè)備健康管理云平臺(tái)；通過(guò)無(wú)線振動(dòng)傳感器收集滾動(dòng)軸承的振動(dòng)信號(hào)，將振動(dòng)信號(hào)無(wú)線傳輸給工業(yè)邊緣計(jì)算網(wǎng)關(guān)；通過(guò)工業(yè)邊緣計(jì)算網(wǎng)關(guān)轉(zhuǎn)換振動(dòng)信號(hào)的數(shù)據(jù)格式，并將其傳送給設(shè)備健康管理云平臺(tái)；通過(guò)設(shè)備健康管理云平臺(tái)的HSIM模塊的智能分析，給出振動(dòng)信號(hào)的最終分類預(yù)測(cè)值。