基于注意力LSTM的配对轴承智能质量识别方法技术

本发明专利技术公开了一种基于注意力LSTM的配对轴承智能质量识别方法，包括如下步骤：步骤一：采集配对轴承的预紧力信号P、位移信号S和摩擦扭矩信号M；步骤二：对采集得到的信号进行小波转换处理，得到可作为图卷积神经网络输入数据的二维数据；步骤三：将得到的二维数据输入图卷积神经网络以提取数据空间特征，在图卷积神经网络中设置残差块，并在残差块后设有SE注意力模块；步骤四：将经图卷积神经网络输出的数据输入到LSTM神经网络中，以提取所测配对轴承的型号特征；步骤五：利利用Softmax函数对全连接层输出的数据进行归一化处理，为每个输出分类的结果都赋予概率值以表示每个类别的可能性，以识别配对轴承的质量。以识别配对轴承的质量。以识别配对轴承的质量。

【技术实现步骤摘要】
基于注意力LSTM的配对轴承智能质量识别方法


[0001]本专利技术属于机械系统智能诊断
，具体的为一种基于注意力LSTM的配对轴承智能质量识别方法。

技术介绍

[0002]在当今国内外机械行业中，滚动轴承是广泛应用于相对运动和相互作用的机械设备，具备支撑承载、减排节能、消振降噪等功能。在实际的使用过程中,为了能够承受来自两个方向的轴向力并提高承载能力,部分滚动轴承(如角接触球轴承)通常采用配对(如背对背、面对面、串联配对)或多列组合的方式使用，这类轴承统称为配对轴承。
[0003]配对轴承的预紧装配是指在轴承装配后，通过某种方式在轴承内圈或外圈上沿轴向施加一恒定的力(即预紧力)，使内外圈沿轴向产生相对预紧位移，一方面可消除轴承内部的游隙；另一方面又可同时迫使滚动体和内、外圈紧密接触，并在接触处产生一定的弹性变形使接触面积增大，参与受力的滚动体的数量增加，从而提高轴承的刚度、旋转精度以及使用寿命，也相应提高轴系的临界转速。因此在机械行业中，预紧装配的重要性不言而喻。
[0004]随着机械行业发展，现代工业对配对轴承的质量(本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于注意力LSTM的配对轴承智能质量识别方法，其特征在于：包括如下步骤：步骤一：采集配对轴承的预紧力信号P、位移信号S和摩擦扭矩信号M；步骤二：对采集得到的预紧力信号P、位移信号S和摩擦扭矩信号M进行小波转换处理，得到可作为图卷积神经网络输入数据的二维数据；步骤三：将得到的二维数据输入图卷积神经网络以提取数据空间特征，在图卷积神经网络中设置残差块以防止过拟合或梯度消失，并在残差块后设有SE注意力模块对通道间关系实现显式建模，通过生成的注意力图对特征进行重校准；步骤四：将经图卷积神经网络输出的数据输入到LSTM神经网络中，以提取所测配对轴承的型号特征；步骤五：利用全连接层将LSTM神经网络输出的数据映射到负无穷至正无穷范围，而后利用Softmax函数对全连接层输出的数据进行归一化处理，为每个输出分类的结果都赋予概率值以表示每个类别的可能性，以识别配对轴承的质量。2.根据权利要求1所述的基于注意力LSTM的配对轴承智能质量识别方法，其特征在于：所述步骤二中，采集得到的预紧力信号P、位移信号S和摩擦扭矩信号M进行小波转换为尺寸为32
×
32
×
3的二维数据。3.根据权利要求2所述的基于注意力LSTM的配对轴承智能质量识别方法，其特征在于：所述步骤三中，数据经残差块进行两次3
×
3的卷积后，输出的结果与两次卷积前的数据直接映射相加，为：x
l+1
＝x
l
+F(x
l
,W
l
)其中，x
l+1
表示第l+1层的特征输入；F表示第l层的残差函数映射；x
l
表示第l层的特征输入；W
l
表示第l层的参数。4.根据权利要求3所述的基于注意力LSTM的配对轴承智能质量识别方法，其特征在于：数据进入SE注意力模块后，先进行压缩操作，而后进行激励操作；压缩操作时，沿空间维度来进行特征压缩，将每个二维的特征通道变作一个实数z，所述实数z具有全局的感受野，并且输出的维度和输入的特征通道数相匹配，可表示为：其中...

【专利技术属性】
技术研发人员：刘晨旭，赵贯西，杨波，沈奎林，康玲，成家悦，张济生，王昱，
申请(专利权)人：重庆大学，
类型：发明
国别省市：