基于Transformer神经网络的农机轴承故障类型诊断方法及系统技术方案

本公开的基于Transformer神经网络的农机轴承故障类型诊断方法及系统，利用振动加速度传感器采集农机轴承不同测点位置的轴承振动信号；将所述轴承振动信号通过本地局域网传输至本地计算模块，利用时频域特征提取技术和频域特征提取技术对所述轴承振动信号进行特征提取以得到农机轴承特征数据；压缩所述农机轴承特征数据，将压缩后的农机轴承特征数据经无线网传输至远端计算中心；将所述农机轴承特征数据输入到所述远端计算中心的基于Transformer神经网络的农机轴承故障类型诊断模型进行诊断，输出农机轴承的故障类型。能够准确诊断出农机轴承故障类型，弥补目前农机故障诊断技术不够成熟的不足。障诊断技术不够成熟的不足。障诊断技术不够成熟的不足。

【技术实现步骤摘要】
基于Transformer神经网络的农机轴承故障类型诊断方法及系统


[0001]本专利技术属于农机设备运行状态分析
，涉及一种基于Transformer神经网络的农机轴承故障类型诊断方法及系统。

技术介绍

[0002]农机轴承作为农机设备的重要组成部分，其具备健康的运行状态是农机设备正常运行的基础。然而，在实际工程应用中，农机轴承经常会由于长时间运行或者处于恶劣的环境而出现各种故障，如塑形变形等，故障严重时会导致整个轴承烧毁，甚至导致农机机械设备的损坏。但是在对农机轴承的日常维护中，对于出现损伤的轴承往往进行整体替换，无法针对具体的故障部位进行有效更换，在频繁维修时会造成轴承的浪费和巨大的经济损失。因此，本文针对上述问题对农机设备中常见的农机轴承故障进行具体分析，为农机轴承的维护和保养提供有力保障。
[0003]基于以上需求，展开对农机轴承故障类型诊断的研究。现有研究方法中，有很多方法实现了农机轴承故障类型检测。比如使用支持向量机的方法，其属于早期的机器学习算法，对样本量的需求相对较少，传统数据模式下能取得较好的效果，但是在物联网本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于Transformer神经网络的农机轴承故障类型诊断方法，其特征在于，所述方法包括：利用振动加速度传感器采集农机轴承不同测点位置的轴承振动信号；将所述轴承振动信号通过本地局域网传输至本地计算模块，利用时频域特征提取技术和频域特征提取技术对所述轴承振动信号进行特征提取以得到农机轴承特征数据；压缩所述农机轴承特征数据，将压缩后的农机轴承特征数据经无线网传输至远端计算中心；将所述农机轴承特征数据输入到所述远端计算中心的基于Transformer神经网络的农机轴承故障类型诊断模型进行诊断，输出农机轴承的故障类型。2.根据权利要求1所述的农机轴承故障类型诊断方法，其特征在于，所述利用时频域特征提取技术和频域特征提取技术对所述轴承振动信号进行特征提取以得到农机轴承特征数据，包括：利用小波包变换法对所述轴承振动信号进行6层分解，将第6层所述轴承振动信号频带能量作为所述农机轴承特征数据的时频域特征数据；利用快速傅里叶变换对所述轴承振动信号提取的时频域特征进行频域分解，得到所述农机轴承特征数据的频域特征数据。3.根据权利要求2所述的农机轴承故障类型诊断方法，其特征在于，所述农机轴承特征数据的时频域特征数据和频域特征数据组合成农机轴承特征数据的前向特征矩阵；所述农机轴承特征数据的前向特征矩阵经变换得到所述农机轴承特征数据的后向特征矩阵。4.根据权利要求3所述的农机轴承故障类型诊断方法，其特征在于，农机轴承特征数据的前向特征矩阵到所述农机轴承特征数据的后向特征矩阵的变换公式为：式中，n为每个时频域的点数，N为小波基函数分解层数。5.根据权利要求3所述的农机轴承故障类型诊断方法，其特征在于，所述基于Transformer神经网络的农机轴承故障类型诊断模型，包括：归一化位置编码层、前向数据Transformer处理层、后向数据Transformer处理层和全连接层；所述归一化位置编码层，用于保留所述农机轴承特征数据的位置编码信息；所述前向数据Transformer处理层，用于处理所述农机轴承特征数据的前向特征数据；所述后向数据Transformer处理层，用于处理所述农机轴承特征数据的后向特征数据；所述全连接层，用于将经过前向数据Transformer处理层和后向数据T...

【专利技术属性】
技术研发人员：于文尧，曹晓卫，张玉成，
申请(专利权)人：潍坊中科晶上智能装备研究院有限公司，
类型：发明
国别省市：