一种滚动轴承复合故障诊断方法及装置制造方法及图纸

本发明专利技术提供一种滚动轴承复合故障诊断方法及装置，包括获取滚动轴承的待检测信号，以及获取多个预先已训练好的基于最大相关峭度解卷积构建出的单一故障二分类器；其中，每一个单一故障二分类器输出结果均为预设的故障类型之其中一种类型；采用每一个预先已训练好的单一故障二分类器的故障参数，分别对待检测信号进行解卷积，并使用相应的单一故障二分类器进行故障诊断之后，组合得到待检测信号的复合故障并输出。实施本发明专利技术，无需复合故障样本，即可实现滚动轴承复合故障诊断。

【技术实现步骤摘要】
一种滚动轴承复合故障诊断方法及装置
本专利技术涉及机械故障诊断
，尤其涉及一种滚动轴承复合故障诊断方法及装置。
技术介绍
滚动轴承是机电设备中最常用的关键零部件之一，其运行状态直接影响到整台机器的性能。目前，已有很多基于时域、频域、时频域或者机器学习的方法被提出用于进行单一故障特征的提取并进行最终故障的辨识。然而，工程实践中，往往出现集中故障的同时发生，即形成复合故障。不同于单一故障特征的简单叠加，复合故障往往耦合在一起，难以直接采用单一故障方法进行识别。因此，针对上述问题，有必要提出了一种滚动轴承复合故障诊断方法，无需复合故障样本，即可实现滚动轴承复合故障诊断。
技术实现思路
本专利技术实施例所要解决的技术问题在于，提供一种滚动轴承复合故障诊断方法及装置，无需复合故障样本，即可实现滚动轴承复合故障诊断。为了解决上述技术问题，本专利技术实施例提供了一种滚动轴承复合故障诊断方法，所述方法包括以下步骤：S1、获取滚动轴承的待检测信号，以及获取多个预先已训练好的基于最大相关峭度解卷积构建出的单一故障二分类器；其中，每一个单一故障二分类器输出结果均为预设的故障类型之其中一种类型；S2、采用每一个预先已训练好的单一故障二分类器的故障参数，分别对待检测信号进行解卷积，并使用相应的单一故障二分类器进行故障诊断之后，组合得到待检测信号的复合故障并输出。其中，所述滚动轴承复合故障诊断模型的形成步骤具体包括：预先设置故障类型以及每一种故障的特征频率，并结合预设的数据采样频率，分别计算得到每一种故障的冲击采样点间隔；其中，所述故障类型至少有两种；根据每一种故障类型，利用最大相关峭度解卷积，构建出分别对应每一种故障的单一故障特征增强滤波器；基于计算得到每一种故障的冲击采样点间隔，确定每一种故障各自对应的训练样本集，且将所有训练样本集中的每一个训练样本均导入所有单一故障特征增强滤波器进行滤波处理，得到各训练样本经滤波处理后对应每一种故障的特征；构建分别对应每一种故障的单一故障二分类器；根据各训练样本经滤波处理后对应每一种故障的特征，选择对应的单一故障二分类器进行训练，得到对应每一种故障均已训练好的单一故障二分类器。其中，通过公式分别计算得到每一种故障的冲击采样点间隔；其中，Ti为第i种故障的冲击采样点间隔；fs为所述预设的数据采样频率；fi为第i种故障的特征频率；i＝(1,2,...,m)；m为故障类型总数。其中，每一种故障的单一故障特征增强滤波器均通过公式来实现训练样本的滤波处理；其中，yi为第i种故障的单一故障特征增强滤波器滤波后的信号序列；x为训练样本的输入信号序列；filteri为第i种故障的单一故障特征增强滤波器的参数；为滤波操作符号。本专利技术实施例还提供了一种滚动轴承复合故障诊断装置，包括获取单元和输出单元；其中，所述获取单元，用于获取滚动轴承的待检测信号，以及获取多个预先已训练好的基于最大相关峭度解卷积构建出的单一故障二分类器；其中，每一个单一故障二分类器输出结果均为预设的故障类型之其中一种类型；所述输出单元，用于采用每一个预先已训练好的单一故障二分类器的故障参数，分别对待检测信号进行解卷积，并使用相应的单一故障二分类器进行故障诊断之后，组合得到待检测信号的复合故障并输出。实施本专利技术实施例，具有如下有益效果：本专利技术通过预先训练好的多个基于最大相关峭度解卷积构建的单一故障二分类器对待检测信号进行解卷积并进行故障诊断，组合得到待检测信号的复合故障，从而无需复合故障样本，利用不同参数的最大相关峭度解卷积提供多通道分析，最终实现滚动轴承复合故障诊断。附图说明为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，根据这些附图获得其他的附图仍属于本专利技术的范畴。图1为本专利技术实施例提供的滚动轴承复合故障诊断方法的流程图；图2为本专利技术实施例提供的滚动轴承复合故障诊断方法中单一故障二分类器的结构示意图；图3为本专利技术实施例提供的滚动轴承复合故障诊断方法中待检测信号进行复合故障诊断的应用场景图；图4为本专利技术实施例提供的滚动轴承复合故障诊断装置的结构示意图。具体实施方式为使本专利技术的目的、技术方案和优点更加清楚，下面将结合附图对本专利技术作进一步地详细描述。如图1所示，为本专利技术实施例中，提供的一种滚动轴承复合故障诊断方法，所述方法包括以下步骤：步骤S1、获取滚动轴承的待检测信号，以及获取多个预先已训练好的基于最大相关峭度解卷积构建出的单一故障二分类器；其中，每一个单一故障二分类器输出结果均为预设的故障类型之其中一种类型；步骤S2、采用每一个预先已训练好的单一故障二分类器的故障参数，分别对待检测信号进行解卷积，并使用相应的单一故障二分类器进行故障诊断之后，组合得到待检测信号的复合故障并输出。具体过程为，在步骤S1之前，首先需要构建包含多个基于最大相关峭度解卷积构建的单一故障二分类器，接着对每一个单一故障二分类器进行训练，最后将训练好的单一故障二分类器组合为滚动轴承复合故障诊断模型。此时，滚动轴承复合故障诊断模型的形成，具体步骤如下：(1)预先设置故障类型以及每一种故障的特征频率，并结合预设的数据采样频率，分别计算得到每一种故障的冲击采样点间隔；其中，故障类型至少有两种；具体为，预先设置四种故障类型，包括无故障(即健康)、滚动体故障、内圈故障和外圈故障。进一步的，确定无故障的特征频率为13.33Hz；滚动体故障的特征频率为77.65Hz；内圈故障的特征频率为131.73Hz以及外圈故障的特征频率为95.2Hz。预先设置数据采样频率fs，通过公式分别计算得到每一种故障的冲击采样点间隔；其中，Ti为第i种故障的冲击采样点间隔；数据采样频率；fi为第i种故障的特征频率；i＝(1,2,...,m)；m为故障类型总数，m＝4。在一个实施例中，数据采样频率fs为50000Hz，根据上述无故障、滚动体故障、内圈故障和外圈故障的特征频率，得到无故障(即健康)、滚动体故障、内圈故障和外圈故障四种类型对应的冲击采样点间隔分别约为3751、644、380及525。(2)根据每一种故障类型，利用最大相关峭度解卷积，构建出分别对应每一种故障的单一故障特征增强滤波器；具体为，利用最大相关峭度解卷积，构建出分别对应无故障(即健康)、滚动体故障、内圈故障和外圈故障四种类型的单一故障特征增强滤波器，即m＝4个单一故障特征增强滤波器。(3)基于计算得到每一种故障的冲击采样点间隔，确定每一种故障各自对应的训练样本集，且将所有训练样本集中的每一个训练样本均导入所有单一故障特征增强滤波器进行滤波处理，得到各训练样本经滤波处理后对应每一种本文档来自技高网...

【技术保护点】
1.一种滚动轴承复合故障诊断方法，其特征在于，所述方法包括以下步骤：/nS1、获取滚动轴承的待检测信号，以及获取多个预先已训练好的基于最大相关峭度解卷积构建出的单一故障二分类器；其中，每一个单一故障二分类器输出结果均为预设的故障类型之其中一种类型；/nS2、采用每一个预先已训练好的单一故障二分类器的故障参数，分别对待检测信号进行解卷积，并使用相应的单一故障二分类器进行故障诊断之后，组合得到待检测信号的复合故障并输出。/n

【技术特征摘要】
1.一种滚动轴承复合故障诊断方法，其特征在于，所述方法包括以下步骤：
S1、获取滚动轴承的待检测信号，以及获取多个预先已训练好的基于最大相关峭度解卷积构建出的单一故障二分类器；其中，每一个单一故障二分类器输出结果均为预设的故障类型之其中一种类型；
S2、采用每一个预先已训练好的单一故障二分类器的故障参数，分别对待检测信号进行解卷积，并使用相应的单一故障二分类器进行故障诊断之后，组合得到待检测信号的复合故障并输出。


2.如权利要求1所述的滚动轴承复合故障诊断方法，其特征在于，所述滚动轴承复合故障诊断模型的形成步骤具体包括：
预先设置故障类型以及每一种故障的特征频率，并结合预设的数据采样频率，分别计算得到每一种故障的冲击采样点间隔；其中，所述故障类型至少有两种；
根据每一种故障类型，利用最大相关峭度解卷积，构建出分别对应每一种故障的单一故障特征增强滤波器；
基于计算得到每一种故障的冲击采样点间隔，确定每一种故障各自对应的训练样本集，且将所有训练样本集中的每一个训练样本均导入所有单一故障特征增强滤波器进行滤波处理，得到各训练样本经滤波处理后对应每一种故障的特征；
基于卷积神经网络，构建分别对应每一种故障的单一故障二分类器；
根据各训练样本经滤波处理后对应每一种故障的特征，选择对应的单一故...

【专利技术属性】
技术研发人员：孙维方，周余庆，向家伟，陈雷清，
申请(专利权)人：温州大学，
类型：发明
国别省市：浙江;33