【技术实现步骤摘要】
轴承故障概率分析装置
[0001]本专利技术涉及故障检测领域，尤其涉及一种轴承故障概率分析装置。
技术介绍
[0002]当前，轴承应用于各个应用领域，然而轴承作为易耗件，其故障存在一定的发生概率，一旦发生故障，容易对周围设备乃至整个系统造成重大影响，同时因为轴承本身是一个半封闭式的机械设备，通常埋设在其他设备内部，很难通过人工方式或者视觉监控的方式获取轴承的运行状态以及是否发生故障，以至于发生故障后的轴承仍可能继续运行，由此可见，急需一种电子化的故障概率分析机制，对当前运行的轴承发生故障的概率进行预测，从而为消除故障、保证整个系统的正常运行、避免出现各项相关事故提供重要保证。
[0003]现有技术中通常利用算法来检测轴承故障，其中神经网络用到的算法就是向量乘法，并且广泛采用符号函数及其各种逼近、并行、容错，可以硬件实现以及自我学习特性，是神经网络的几个基本优点，也是神经网络计算方法与传统方法的区别所在。神经网络普遍用于各种需要提升智能化水准的应用场所。
[0004]CN114778113A公开了一种基于单边衰...
【技术保护点】
【技术特征摘要】
1.一种轴承故障概率分析装置，其特征在于，所述装置包括：温度测量阵列，包括三个非接触式传感器，分别用于在当前时刻测量运行状态中的轴承的轴承内圈温度、轴承外圈温度以及轴承底座温度；噪声监测器件，在到所述运行状态中的轴承的轴承外圈最近距离等于设定距离阈值的位置，用于在当前时刻监测运行状态中的轴承发出的噪声幅值；概率分析器件，分别与所述温度测量阵列以及所述噪声监测器件连接，用于基于当前时刻轴承内圈温度、当前时刻轴承外圈温度、当前时刻轴承底座温度、当前时刻噪声幅值、轴承内圈半径、轴承外圈半径以及轴承润滑油粘度采用学习后的卷积神经网络智能预测所述运行状态中的轴承当前时刻之后到设定时长的时间区间内发生轴承故障的概率；学习执行设备，与所述概率分析器件连接，用于采用与运行状态中的轴承的同批轴承的过往故障数据对卷积神经网络执行固定次数的各次学习动作以获得学习后的卷积神经网络并发送给所述概率分析器件使用；其中，采用轴承的过往故障数据对卷积神经网络执行固定次数的各次学习动作以获得学习后的卷积神经网络并发送给所述概率分析器件使用包括：所述设定时长的取值越小，所述固定次数的取值越小；其中，采用轴承的过往故障数据对卷积神经网络执行固定次数的各次学习动作以获得学习后的卷积神经网络并发送给所述概率分析器件使用还包括：获取与运行状态中的轴承的同批的第一数量的多个轴承在某一时刻分别对应的多个轴承内圈温度、多个轴承外圈温度、多个轴承底座温度以及多个噪声幅值，将多个轴承内圈温度的均值、多个轴承外圈温度的均值、多个轴承底座温度的均值、多个噪声幅值的均值以及与所述运行状态中的轴承相同的轴承内圈半径、轴承外圈半径以及轴承润滑油粘度作为卷积神经网络的输入层的多项输入信息，将所述某一时刻之后到设定时长的时间区间第一数量的多个轴承中发生故障的轴承的数量作为第二数量除以第一数量获得的概率作为卷积神经网络的输出层的单项输出信息，完成对卷积神经网络的一次学习。2.如权利要求1所述的轴承故障概率分析装置，其特征在于，所述装置还包括：数据存储设备，与所述学习执行设备连接，用于从所述学习执行设备处接收学习后的卷积神经网络的各项网络数据。3.如权利要求1
‑
2任一所述的轴承故障概率分析装置，其特征在于：获取与运行状态中的轴承的同批的第一数量的多个轴承在某一时刻分别对应的多个轴承内圈温度、多个轴承外圈温度、多个轴承底座温度以及多个噪声幅值，将多个轴承内圈温度的均值、多个轴承外圈温度的均值、多个轴承底座温度的均值、多个噪声幅值的均值以及与所述运行状态中的轴承相同的轴承内圈半径、轴承外圈半径以及轴承润滑油粘度作为卷积神经网络的输入层的多项输入信息，将所述某一时刻之后到设定时长的时间区间第一数量的多个轴承中发生故障的轴承的数量作为第二数量除以第一数量获得的概率作为卷积神经网络的输出层的单项输出信息，完成对卷积神经网络的一次学习包括：通过对第一数量执行不同取值，实现对所述卷积神经网络的不同的一次学习。4.如权利要求3所述的轴承故障概率分析装置，其特征在于：采用轴承的过往故障数据对卷积神经网络执行固定次数的各次学习动作以获得学习后的卷积神经网络并发送给所述概率分析器件使用还包括：获取与运行状态中的轴承的不
同批的第一数量的多个轴承在某一时刻分别对应的多个轴承内圈温度、多个轴承外圈温度、多个轴承底座温度以及多个噪声幅值，将多个轴承内圈温度的均值、多个轴承...
【专利技术属性】
技术研发人员：秦贞山，巢玉，
申请(专利权)人：无锡沃尔德轴承有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。