[發明專利]一種機械設備故障診斷方法、裝置、設備及可讀存儲介質

在審

• 申請號: 202310240068.6
• 申請日: 2023-03-07
• 公開（公告）號: CN116361724A
• 公開（公告）日: 2023-06-30
• 發明（設計）人: 吳琪文;段騰飛;蔡一彪;盧天華;孫豐誠;倪軍
• 申請（專利權）人: 杭州安脈盛智能技術有限公司
• 主分類號: G06F18/2415
• 分類號: G06F18/2415;G06F18/24;G06N3/084;G06N3/0464
• 代理公司: 北京集佳知識產權代理有限公司 11227
• 代理人: 王曉坤

本申請公開了一種機械設備故障診斷方法、裝置、設備及可讀存儲介質，該方法包括：獲取待診斷機械設備的一維振動信號；將一維振動信號輸入訓練得到的Morlet核卷積膠囊網絡算法模型中，得到故障類別對應的概率向量；Morlet核卷積膠囊網絡算法模型利用帶有故障類別標簽的歷史一維振動信號訓練得到，Morlet核卷積膠囊網絡算法模型可以包括復Morlet核卷積層、主膠囊層、數字膠囊層及分類輸出層；將概率向量中的最大概率對應的故障類別確定為待診斷機械設備的故障類別。本申請公開的技術方案，利用訓練得到的Morlet核卷積膠囊網絡算法模型對待診斷機械設備進行故障診斷，以實現自動進行故障診斷，提高故障診斷效率和準確性。

技術領域

本申請涉及機械設備故障診斷技術領域，更具體地說，涉及一種機械設備故障診斷方法、裝置、設備及可讀存儲介質。

背景技術

滾動軸承、刀具等輸出一維機械振動信號的設備是機械設備中常見的零部件，在實際加工或應用中會因多種因素而損壞。及時有效的監測其狀態對保證設備安全穩定和降低維護成本具有重要意義。

目前，對于輸出一維機械振動信號的機械設備的故障診斷，一般使用加速度振動傳感器采集機械設備的振動信號，然后，通過傅里葉變化進行時頻轉換，人工分析頻譜上的頻率分布，從而獲知機械設備的運行狀態。具體地，是專家基于經驗構建特征工程，然后，根據所構建的特征工程和分類器來識別機械設備的狀態。

在上述實現方式中，手動提取特征的方式需要依賴大量的專家經驗，時間成本高且基于經驗的手動篩選特征會遺漏原始信號中的有效信息，并且單一域中提取特征并不能夠全面反映機械設備狀態，從而導致故障診斷的準確性比較低。另外，在現有故障診斷中，數據在神經元內部以標量形式傳遞會導致細節特征不足，從而導致故障診斷的準確性比較低。

綜上所述，如何提高對機械設備的故障診斷準確性，是目前本領域技術人員亟待解決的技術問題。

發明內容

有鑒于此，本申請的目的是提供一種機械設備故障診斷方法、裝置、設備及可讀存儲介質，用于提高對機械設備的故障診斷準確性。

為了實現上述目的，本申請提供如下技術方案：

一種機械設備故障診斷方法，包括：

獲取待診斷機械設備的一維振動信號；

將所述一維振動信號輸入訓練得到的Morlet核卷積膠囊網絡算法模型中，得到故障類別對應的概率向量；所述Morlet核卷積膠囊網絡算法模型利用帶有故障類別標簽的歷史一維振動信號訓練得到，所述Morlet核卷積膠囊網絡算法模型包括復Morlet核卷積層、主膠囊層、數字膠囊層及分類輸出層；

將所述概率向量中的最大概率對應的故障類別確定為所述待診斷機械設備的故障類別。

優選的，所述Morlet核卷積膠囊網絡算法模型為自適應Morlet核卷積膠囊網絡算法模型，所述復Morlet核卷積層為自適應復Morlet核卷積層，所述自適應復Morlet核卷積層中的平移因子和伸縮因子隨所述自適應Morlet核卷積膠囊網絡算法模型訓練反向傳播更新。

優選的，所述自適應復Morlet核卷積層利用復Morlet小波基函數作為卷積核；

所述復Morlet小波基函數為：其中，f(t)為所述一維振動信號，t為時間，a為伸縮因子，b為平移因子，ω₀為角頻率，i為虛數單位；

所述自適應復Morlet核卷積層的輸出表示為：

其中，表示第l層的第i個復Morlet核，表示第l層的第i個卷積核，W為所述復Morlet核的尺寸，j’表示感受野的尺寸，r^j表示第j個復Morlet核的感受野，表示第j個感受野上輸入的信號；