一种轴承故障的分类方法、装置、设备及存储介质制造方法及图纸

本发明专利技术公开了一种轴承故障的分类方法、装置、设备及存储介质。该方法包括：根据轴承故障状态下的振动信号，确定轴承图像数据；通过残差块对所述轴承图像数据进行处理得到轴承深度特征；所述残差块通过因果空洞卷积层构建；通过基础特征提取单元，从所述轴承图像数据提取轴承基础特征；对所述轴承深度特征和轴承基础特征进行融合，并根据融合结果确定轴承故障类型。本发明专利技术实施例可以简化迭代学习的目标和难度，有效提高模型的分类能力。有效提高模型的分类能力。有效提高模型的分类能力。

【技术实现步骤摘要】
一种轴承故障的分类方法、装置、设备及存储介质


[0001]本专利技术涉及故障分类
，尤其涉及一种轴承故障的分类方法、装置、设备及存储介质。

技术介绍

[0002]轴承磨损故障在电机的使用中非常常见，主要产生原因是运输和使用过程中轴承内外圈与钢球之间振动相对摩擦而造成。对于轴承故障来说，任何一种细微特征的局部故障都有一定可能被不断延伸、放大至机械设备的整个运转系统，从而造成不必要的设备损坏以及经济损失。如何在轴承发生故障时，就能根据发现并确定故障类型，便成为本领域的重要问题。
[0003]当前有研究人员开始引入深度学习模型来对轴承故障数据进行学习，并基于深度学习模型来对发现并分类故障。然而由于轴承故障数据收集难度大且收集成本高，大部分轴承故障数据的数据量较少，且存在噪声干扰。这些模型分类结果普遍较差，无法适应现代设备的需要。

技术实现思路

[0004]本专利技术提供了一种轴承故障的分类方法、装置、设备及存储介质，以简化迭代学习的目标和难度，有效提高模型的分类能力。
[0005]根据本专利技术的一方面，提供了一本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种轴承故障的分类方法，包括：根据轴承故障状态下的振动信号，确定轴承图像数据；通过残差块对所述轴承图像数据进行处理得到轴承深度特征；所述残差块通过因果空洞卷积层构建；通过基础特征提取单元，从所述轴承图像数据提取轴承基础特征；对所述轴承深度特征和轴承基础特征进行融合，并根据融合结果确定轴承故障类型。2.根据权利要求1所述的方法，其特征在于，所述通过残差块对所述轴承图像数据进行处理得到轴承深度特征，包括：通过所述因果空洞卷积层提取所述轴承图像数据的轴承因果空洞特征；批量归一化并激活所述轴承因果空洞特征，得到轴承深度特征。3.根据权利要求2所述的方法，其特征在于，所述因果空洞卷积层的等效卷积核大小为：k
′
＝k+(k+1)
×
(d
‑
1)其中，k
′
为等效卷积大小，k为因果空洞卷积的卷积核大小，d为空洞系数。4.根据权利要求1所述的方法，其特征在于，所述根据轴承故障状态下的振动信号，获取轴承图像数据，包括：从轴承故障状态下的振动信号中采集预设数量的连续采样点；以小于预设数量的取样步长对所述连续取样点重叠取样得到多个取样数据；通过将所述取样数据转化为时频图像；将所述时频图像转化为N
×
N的灰度图像作为轴承图像数据。5.根据权利要求1所述的方法，其特征在于，所述通过残差块对所述轴承图像数据进行处理得到轴承深度特征之前，还包括：通过局部二值卷积层获取所述轴承图像数据的初始特征；批量归一化并激活所述初始特征，得到所述轴承图像的初始激活特征，用于将所述初始激活特征作为所述残...

【专利技术属性】
技术研发人员：薛义豪，杨瑞，
申请(专利权)人：西交利物浦大学，
类型：发明
国别省市：