一种基于机器学习的水泥生产旋转设备故障诊断方法技术

本发明专利技术包括一种基于机器学习的水泥生产旋转设备故障诊断方法，包括以下步骤：获取滚动轴承及齿轮的多种健康状况振动信号，形成振动信号样本数据；将轴承与齿轮的样本数据分别按一定比率划分为训练集及测试集；搭建并行神经网络与集成学习诊断模型；将训练集导入集成学习诊断模型进行训练；将测试集导入训练后的集成学习诊断模型，得出诊断结果。本发明专利技术搭建了一个并行神经网络与集成学习的复合诊断模型，能够弥补各个模型在独立诊断时的缺陷，保证在复杂工况下，诊断模型依旧能表现出良好的故障诊断能力。故障诊断能力。故障诊断能力。

【技术实现步骤摘要】
一种基于机器学习的水泥生产旋转设备故障诊断方法


[0001]本专利技术涉及机械设备故障诊断检测技术，具体涉及一种基于机器学习的水泥 生产旋转设备故障诊断方法。

技术介绍

[0002]如今，水泥已成为建筑行业不可或缺的原料。我国是个水泥需求大国，也是 水泥生产大国。水泥的生产包括生料制备环节、熟料煅烧环节、水泥制成环节， 以形成较为成熟的水泥生产线，每一个环节需多台机械设备参与生产。然而，在 实际水泥生产中，存在大量设备带病运行的情况，而且设备之间的关联性强，局 部设备故障易造成生产线的全线停车，从而产生严重的经济损失。在所有机械生 产设备中，旋转机械占有重要的地位，例如在水泥生产中在主要地位的立磨，回 转窑等都是旋转机械。而在旋转机械中，大约30％的故障是由滚动轴承的失效引 起的，齿轮箱的故障中，接近50％的故障原因则是由齿轮和轴承的故障引起。因 此，对旋转机械中滚动轴承和齿轮进行有效的故障诊断和监测，保障生产设备的 正常运转以及避免出现各种损失意义重大。
[0003]随着制造能力和科学技术的发展，水泥产业的设备越来越精密化、复杂化、 本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于机器学习的水泥生产旋转设备故障诊断方法，其特征在于，包括以下步骤：(1)获取滚动轴承及齿轮的多种健康状况振动信号，形成振动信号样本数据；(2)将轴承与齿轮的样本数据分别按一定比率划分为训练集及测试集；(3)搭建并行神经网络与集成学习诊断模型；(4)将训练集导入集成学习诊断模型进行训练；(5)将测试集导入训练后的集成学习诊断模型，得出诊断结果。2.根据权利要求1所述基于机器学习的水泥生产旋转设备故障诊断方法，其特征在于：步骤(1)中，所述滚动轴承的多种健康状况振动信号具体为，在不同工况下获取的健康状况和轴承内圈、滚动体、外圈的不同程度故障状况的振动信号；其中，不同程度的故障指故障裂纹的直径不同，以模拟在多工况下轴承所产生的振动信号。3.根据权利要求1所述基于机器学习的水泥生产旋转设备故障诊断方法，其特征在于：步骤(1)中，所述齿轮的多种健康状况具体为，在不同转速和不同负载下获取的健康状况和不同程度故障状况的振动信号，其中，不同程度的故障指齿轮裂缝深度不同，以模拟在多工况下齿轮所产生的振动信号。4.根据权利要求1所述基于机器学习的水泥生产旋转设备故障诊断方法，其特征在于，步骤(3)中，所述搭建并行神经网络与集成学习诊断模型具体包括以下步骤：(3.1)构建I1DCNN网络；(3.2)搭建DNN网络；(3.3)将善于提取数据局部特征的I1DCNN网络与善于提取数据全局特征的DNN网络并行连接；(3.4)搭建集成学习诊断模型，将步骤(3.3)输出的数据作为集成学习网络模型的输入。5.根据权利要求4所述基于机器学习的水泥生产旋转设备故障诊断方法，其特征在于：步骤(3.1)中，所述I1DCNN网络包括一个...

【专利技术属性】
技术研发人员：刘仁越，穆加会，张增吉，雍登明，李星，孙洋洋，刘威，
申请(专利权)人：中国中材国际工程股份有限公司，
类型：发明
国别省市：