基于GAF-DRSN的滚动轴承故障诊断方法技术

本发明专利技术提出一种基于GAF

【技术实现步骤摘要】
基于GAF
‑
DRSN的滚动轴承故障诊断方法


[0001]本专利技术涉及振动信号分析处理和故障诊断
，具体涉及一种基于GAF
‑
DRSN (格拉姆角场
‑
深度残差收缩网络)的滚动轴承故障诊断方法。

技术介绍

[0002]随着当下工业技术的快速发展，机械设备愈加复杂化，人类难以涉足的区域如隧道、矿山等恶劣工作环境渐交由各种机械设备所取代，随之而来的问题就是为实现愈加复杂的功能，机械设备变得越来越精密智能巨大，设备结构变得更加复杂，零部件更加的繁多，于是在多变恶劣工作环境下，机械零件故障率大大增加。因此对机械设备各种零部件快速高效精准的故障诊断技术研究变得尤为重要。特别是在滚动轴承的故障诊断，虽然滚动轴承结构简单，故障特征只有滚珠、内外圈等几种损坏形式，但由于其几乎参与了所有环境下机械设备的运转，所以一旦无法即时诊断出轴承故障，将对工程施工或者企业生产造成无法预估的严重后果。因此，发展智能快速准确的轴承故障诊断方法成为当务之急。
[0003]传统的故障诊断方法更加的注重信号的前处理本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种滚动轴承故障诊断方法，其特征在于，具体步骤如下：S1、将采集到的原始振动信号进行数据预处理，分别对不同故障部位在不同载荷下得到的多个整段一维时间序列信号进行归一化操作，得到多段代表不同故障特征信息的一维时间序列信号；S2、采用格拉姆角场将步骤S1得到的一维时间序列信号转换为二维灰度图像，将相同故障特征的灰度图像整合成数据总集，并对数据总集进行划分，得到满足诊断模型需求的训练集；S3、建立深度残差收缩网络模型DRSN，包括残差模块、软阈值收缩模块、池化层、全连接层和输出层；S4、将步骤S2的训练集导入步骤S3建立的DRSN模型进行训练，得到DRSN目标故障诊断模型；S5、将不同故障特征的二维灰度图像混合打乱整合成为混编故障特征数据集，对DRSN目标故障诊断模型进行测试，检验模型诊断的准确率；S6、实时采集振动信号，输入检验后的故障诊断模型实现滚动轴承故障诊断。2.根据权利要求1所述的滚动轴承故障诊断方法，其特征在于，步骤S2利用格拉姆角场将一维时间序列信号转换为二维灰度图像，具体步骤如下：(1)将步骤S1得到的一维时间序列信号进行数据分片，得到多段一维时间序列片段；(2)确保所有的时间序列幅值都落在[
‑
1,1]区间内；(3)将所分片的时间序列数据进行极坐标变换，变成极坐标形式数据；(4)将极坐标化的时间序列数据通过格拉姆角场转换为保留时间特征的二维灰度图像。3.根据权利要求2所述的滚动轴承故障诊断方法，其特征在于，将一维时间序列信号进行数据分片，具体步骤为：(1)将一维时间序列导出为.csv文件；(2)将大规模采样的数据进行等长分片。4.根据权利要求3所述的滚动轴承故障诊断方法，其特征在于，一维时间序列的每个采样点都对应一个时间戳，将一维时间序列信号变换成极坐标形式数据的具体方法为：其中，x
i
是归一化的自变量时间序列值，i是x
i
对应的时间戳，φ
i
是第i个时间戳的极坐标信号极角，时间序列值x
i
保证值在[0,π]之间；r是第i个时间戳的极坐标信号的极半径；N是时间戳总数；通过计算半径变量，把[0,1]分成N等份，得到N+1个分割点{0，
…
，1}，将去0后的N个分割点和对应时间序列值x
i
关联起来。5.根据权...

【专利技术属性】
技术研发人员：缪小冬，虞浒，王华，
申请(专利权)人：南京工业大学，
类型：发明
国别省市：