通过轴承噪声检测进行故障诊断的方法及系统技术方案

本公开提供一种通过轴承噪声检测来进行故障诊断的方法和系统。该方法包括：采集轴承检测中的噪声，该噪声包括轴承噪声和工况噪声；对采集的噪声进行预处理，以获得第一时域信号和第二频域信号；以及将所述第一时域信号和第二频域信号输入轴承故障诊断模型。其中，轴承故障诊断模型包括特征提取模型和故障判别模型，特征提取模型分别对第一时域信号和第二频域信号进行特征提取，以获得与时域冲击峰相关联的第一特征和与故障频率峰相关联的第二特征。并且其中故障判别模型将第一特征和第二特征合并，并且基于合并后的特征对故障进行判别。判别。判别。

【技术实现步骤摘要】
通过轴承噪声检测进行故障诊断的方法及系统


[0001]本专利技术涉及轴承噪声检测领域，尤其涉及用于通过轴承噪声检测进行故障诊断的方法及系统。

技术介绍

[0002]轴承噪声是轴承质量控制中的关键参数之一，可以通过生产线中的轴承噪声检测来检测某些轴承早期缺陷。但是，噪声与轴承类型有着很强的相关性，例如不同轴承类型的轴承尺寸、材料、油脂等各有不同，噪声也因此不同。因此，针对某种类型的轴承的训练好的检测模型不能直接用于其他新类型的轴承。
[0003]典型轴承噪声检测模型的另一个问题是检测要完全取决于轴承的一些关键参数，例如故障频率(BPFI，BPFO等)以及相对稳定和准确的转速信息。但是在某些情况下，这些参数信息很难收集，例如缺少有关轴承类型的信息或缺少轴承速度信息。
[0004]目前的轴承检测算法需要收集大量有关轴承信息的轴承数据才能为新型轴承重新训练模型。这不但浪费时间和成本，而且无法支持在越来越多的新应用中的快速扩展。此外，对于没有轴承类型和速度信息的情况，只能由专业人员进行人工诊断，或者只能基于非常简单的诊断逻辑(例如RMS阈本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种用于通过轴承噪声检测来进行故障诊断的方法，包括：采集轴承检测中的噪声，所述噪声包括轴承噪声和工况噪声；对采集的噪声进行预处理，以获得第一时域信号以及第二频域信号；以及将所述第一时域信号以及第二频域信号输入轴承故障诊断模型；其中，所述轴承故障诊断模型包括特征提取模型和故障判别模型，所述特征提取模型分别对所述第一时域信号以及第二频域信号进行特征提取，以获得与时域冲击峰相关联的第一特征和与故障频率峰相关联的第二特征；以及所述故障判别模型将所述第一特征和第二特征合并，并且基于合并后的特征对故障进行判别。2.根据权利要求1所述的方法，其中，所述特征提取模型包括用于对所述第一时域信号进行处理以获得所述第一特征的第一子模型和对所述第二频域信号进行处理以获得所述第二特征的第二子模型。3.根据权利要求2所述的方法，其中，基于所述第一时域信号，通过所述第一子模型分别提取第一峰值数据和第一平均值数据，其中，所述第一峰值数据代表时域中特定时间上的噪声冲击，所述第一平均值数据代表时域中的平均工况噪声；以及基于所述第二频域信号，通过所述第二子模型分别提取第二峰值数据和第二平均值数据，其中，所述第二峰值数据代表频域中特定频谱上的噪声冲击，所述第二平均值数据代表频域中的平均工况噪声。4.根据权利要求3所述的方法，还包括：将所述第一峰值数据和第一平均值数据合并，以获得所述第一特征；以及将所述第二峰值数据和第二平均值数据合并，以获得所述第二特征。5.根据权利要求1-4中任一项所述的方法，其中，所述特征提取模型是基于卷积神经网络CNN的模型并且所述故障判别模型是基于全连接网...

【专利技术属性】
技术研发人员：程刚，刘林辉，
申请(专利权)人：斯凯孚公司，
类型：发明
国别省市：