The invention discloses a single and compound fault diagnosis method, equipment and system of a gearbox, belonging to the field of state monitoring and fault diagnosis of mechanical equipment. The diagnosis method includes: (1) collecting the vibration signal of gearbox; (2) dividing the collected vibration signal into multiple data segments, two adjacent data segments have overlapping data, and calculating the corresponding wavelet time-frequency image of each data segment; (3) dividing the wavelet time-frequency image into training set and testing set, and normalizing; (4) training the multi label convolutional neural network with training set; (5) using The test set is used to test the trained multi label convolutional neural network; (6) the qualified multi label convolutional neural network is used as the fault diagnosis model. The invention makes full use of the excellent feature extraction ability of wavelet transform, the excellent pattern recognition ability of multi label convolutional neural network and the applicability to the problem of compound fault diagnosis, and can effectively realize the single and compound fault diagnosis of gearbox.
【技术实现步骤摘要】
一种齿轮箱的单一和复合故障诊断方法、设备及系统
本专利技术属于机械设备状态监测和故障诊断领域,涉及一种齿轮箱的单一和复合故障诊断方法、设备及系统,更具体地,涉及一种基于多标签卷积神经网络和小波变换的齿轮箱单一和复合故障诊断方法及应用。
技术介绍
齿轮箱是旋转机械中最广泛使用的传递速度和动力的元件,在制造业中发挥着至关重要的作用。但由于恶劣的工作环境和复杂的内部结构,齿轮、轴和轴承等齿轮箱的主要部件,很容易发生局部故障。齿轮箱故障的发生可能会导致意料之外的停机和巨大的经济损失,甚至还会引起严重的灾难事故。因此,为了保证机械系统的安全运行,人们越来越关注齿轮箱故障技术的研究。然而,现有的齿轮箱故障诊断方法还难以满足实际需要。随着大数据技术的快速发展,以卷积神经网络为代表的深度学习技术在齿轮箱的故障诊断领域中受到了广泛关注,这种方法首先对原始振动信号进行特征提取,然后再利用卷积神经网络的分类能力进行故障诊断,其故障诊断的效果较好,很多故障诊断的准确率都达到了95%以上。例如:中国专利CN201710747694.9公开了一种基于卷积神经网络的滚动轴承故障诊断方法,该方法先通过短时傅里叶变换将原始振动数据转化为时频图像,再利用卷积神经网络进行故障诊断;中国专利CN201610841544.X提出了一种结合卷积神经网络和小波灰度图的旋转机械故障诊断方法,该方法先通过小波分解将原始振动数据转化为小波灰度图,再利用卷积神经网络进行故障诊断。但是,目前这种故障诊断方法仅在齿轮或者轴承的单一故障诊断中应 ...
【技术保护点】
1.一种齿轮箱的单一和复合故障诊断方法,其特征在于,包括以下步骤:/n(1)采集多个已知故障类型的齿轮箱的振动信号,多个齿轮箱涵盖正常模式、单故障模式和复合故障模式,正常模式表示无故障,单故障模式表示只有一种故障类型,复合故障模式表示具有多种故障类型;/n(2)将步骤(1)采集的每个振动信号划分为多个数据段,相邻两个数据段有部分重合,计算得到每个数据段对应的小波时频图像;/n(3)将步骤(2)获得的所有小波时频图像随机划分为训练集和测试集两部分,训练集需涵盖所有故障模式,并将每张小波时频图像的像素的RGB值归一化到[0,1]区间内;/n(4)将步骤(3)归一化后的所有故障模式下训练集的小波时频图像作为多标签卷积神经网络的输入,将对应的故障类型作为多标签卷积神经网络的输出,对多标签卷积神经网络进行训练;/n(5)将步骤(3)归一化后的测试集的小波时频图像输入训练好的多标签卷积神经网络中,识别出故障类型;/n(6)判断步骤(5)的识别结果是否准确,若准确率符合预期,则保存训练好的多标签卷积神经网络,获得故障诊断模型,用于齿轮箱的单一和复合故障诊断;否则,调整多标签卷积神经网络结构中的网络层 ...
【技术特征摘要】
1.一种齿轮箱的单一和复合故障诊断方法,其特征在于,包括以下步骤:
(1)采集多个已知故障类型的齿轮箱的振动信号,多个齿轮箱涵盖正常模式、单故障模式和复合故障模式,正常模式表示无故障,单故障模式表示只有一种故障类型,复合故障模式表示具有多种故障类型;
(2)将步骤(1)采集的每个振动信号划分为多个数据段,相邻两个数据段有部分重合,计算得到每个数据段对应的小波时频图像;
(3)将步骤(2)获得的所有小波时频图像随机划分为训练集和测试集两部分,训练集需涵盖所有故障模式,并将每张小波时频图像的像素的RGB值归一化到[0,1]区间内;
(4)将步骤(3)归一化后的所有故障模式下训练集的小波时频图像作为多标签卷积神经网络的输入,将对应的故障类型作为多标签卷积神经网络的输出,对多标签卷积神经网络进行训练;
(5)将步骤(3)归一化后的测试集的小波时频图像输入训练好的多标签卷积神经网络中,识别出故障类型;
(6)判断步骤(5)的识别结果是否准确,若准确率符合预期,则保存训练好的多标签卷积神经网络,获得故障诊断模型,用于齿轮箱的单一和复合故障诊断;否则,调整多标签卷积神经网络结构中的网络层数,并重新按照步骤(4)~(5)进行训练和测试,直至识别结果的准确率符合预期。
2.根据权利要求1所述的一种齿轮箱的...
【专利技术属性】
技术研发人员:邓超,梁朋飞,吴军,朱锦璇,张子晗,
申请(专利权)人:华中科技大学,
类型:发明
国别省市:湖北;42
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。