【技术实现步骤摘要】
一种轴向柱塞泵轴承的多域半监督故障诊断方法及装置
本专利技术涉及机械设备故障诊断
，尤其涉及一种轴向柱塞泵轴承的多域半监督故障诊断方法及装置。
技术介绍
轴向柱塞泵在工业应用中扮演着重要的角色，随着工业的迅猛发展，对于轴向柱塞泵的要求越来越严苛，其被要求在诸如高温、高压、高转速等条件下长时间工作。在这样的工作环境中长时间工作会导致轴向柱塞泵中的一些关键部件出现故障。轴承作为其中一种易损部件，发生故障将是异常严重的，可能会导致整个生产线停工，造成经济损失，严重的可能会导致工作人员的伤亡。现阶段对于轴承的故障诊断主要通过人工经验或者仪器判断，但是在实际工程中获取的振动信号往往由于工作条件复杂，噪声较大等问题，导致很难获得故障特征明显的信号。目前轴承故障诊断存在诊断困难，诊断失误率高等问题。目前，振动信号比其他信号更广泛地用于故障诊断中，主要原因在于：轴承发生故障后，会导致轴向柱塞泵异常振动并以周期性脉冲的形式反映在振动信号中，而该振动信号携带有机械故障的大多数固有信息。随着计算机技术的飞速发展，故障诊断领域迎来了技...
【技术保护点】
1.一种轴向柱塞泵轴承的多域半监督故障诊断方法，其特征在于，所述方法包括以下步骤：/nS1、获取源域信号和目标域信号，并对所述源域信号和所述目标域信号均进行变换处理，分别得到相应的源域样本和目标域样本；其中，所述源域信号为轴向柱塞泵轴承某一工况下已知部分故障信息的振动信号，包括有标签的振动信号和无标签的振动信号；所述目标域信号为轴向柱塞泵轴承另一工况下未知部分故障信息的振动信号；/nS2、采用训练好的半监督故障诊断模型，对时频变换处理处理后的源域样本进行源域半监督故障诊断，得到源域所有标记的故障样本；/nS3、将所述源域所有标记的故障样本和时频变换处理处理后的目标域样本同时...
【技术特征摘要】
1.一种轴向柱塞泵轴承的多域半监督故障诊断方法，其特征在于，所述方法包括以下步骤：
S1、获取源域信号和目标域信号，并对所述源域信号和所述目标域信号均进行变换处理，分别得到相应的源域样本和目标域样本；其中，所述源域信号为轴向柱塞泵轴承某一工况下已知部分故障信息的振动信号，包括有标签的振动信号和无标签的振动信号；所述目标域信号为轴向柱塞泵轴承另一工况下未知部分故障信息的振动信号；
S2、采用训练好的半监督故障诊断模型，对时频变换处理处理后的源域样本进行源域半监督故障诊断，得到源域所有标记的故障样本；
S3、将所述源域所有标记的故障样本和时频变换处理处理后的目标域样本同时导入训练好的多目标域迁移学习网络中进行各个域的故障诊断，得到所有样本的诊断结果；其中，所述诊断结果包括正常、内圈故障、外圈故障和滚动体故障。
2.如权利要求1所述的轴向柱塞泵轴承的多域半监督故障诊断方法，其特征在于，所述步骤S1具体包括：
获取所述源域信号和所述目标域信号；
根据一定的信号切片规则对所述源域信号和所述目标域信号均进行切片，并确保每个信号切片上至少包含一个转动周期的振动信息；
待所述源域信号和所述目标域信号经切片被分成若干个样本之后，对所有样本均进行时频变换来突出隐藏在信号中的故障特征，得到每个样本对应的图像样本；
将所得到的每个样本对应的图像样本进行归类整理，分别得到相应的源域样本和目标域样本。
3.如权利要求2所述的轴向柱塞泵轴承的多域半监督故障诊断方法，其特征在于，通过公式计算得到每个信号切片的数据点数；其中，
K表示每个切片后信号包含的数据点数，k是一个正整数，表示信号对应机械旋转k圈，n是泵的转速，单位是转/分钟，f是采样频率，单位为Hz。
4.如权利要求2所述的轴向柱塞泵轴承的多域半监督故障诊断方法，其特征在于，对所有样本均进行时频变换的具体步骤包括：
利用连续小波变换对各个样本进行处理，并使用修正复Morlet小波基函数；其中，所述Morlet小波基函数具体为fb表示带宽参数，fc表示中心小波频率。
5.如权利要求1所述的轴向柱塞泵轴承的多域半监督故障诊断方法，其特征在于，所述半监督故障诊断模型为基于改进的DCGAN模型构建出来的；其中，
所述改进的DCGAN模型包括一个生成器和一个判别器；其中，改进的DCGAN模型中的生成器的参数通过生成器损失函数进行优化；改进的DCGAN模型中的判别器的参数通过判别器损失函数进行优化，还被聚类的距离损失优化。
6.如权利要求5所述的轴向柱塞泵轴承的多域半监督故障诊断方法，其特征在于，所述判别器被聚类的距离损失优化的具体步骤包括：
在所述判别器最后一个卷积激活层连接聚类算法，并通过设定已知同类标记数据的高维特征向量均值为聚类中心，且进一...
【专利技术属性】
技术研发人员：汤何胜，和猷，任燕，向家伟，
申请(专利权)人：温州大学，
类型：发明
国别省市：浙江;33
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。