本申请公开了一种轴承故障诊断的方法、装置及介质，涉及故障诊断技术领域。包括：获取图像采集设备采集的轴承的信号；根据轴承的信号生成多种用于反映轴承健康程度的特征图；其中，特征图至少包括：峭度图、时频图；拼接各特征图并获取拼接特征图；将拼接特征图输入至预先建立的用于轴承故障诊断的神经网络模型；通过神经网络模型输出故障诊断结果。该方法中将多种用于反映轴承健康程度的特征图进行拼接得到拼接特征图，将其作为神经网络的输入数据，并进行故障诊断。由于采用拼接特征图作为神经网络模型的输入相比于采用单一的特征图作为神经网络的输入，反映的轴承健康程度更加丰富，因此通过神经网络模型输出的轴承故障诊断的结果更加可靠。断的结果更加可靠。断的结果更加可靠。
【技术实现步骤摘要】
一种轴承故障诊断的方法、装置及介质
[0001]本申请涉及故障诊断
，特别是涉及一种轴承故障诊断的方法、装置及介质。
技术介绍
[0002]轴承一直是国内外专家学者研究的热点对象。在轨道列车结构中，滚动轴承作为转向架的核心零件，在实际运行过程中其持续在变载荷、高压力的条件下工作。一旦轴承发生故障，会直接导致热轴、切轴等事故发生，甚至进而会导致列车脱轨。因此对滚动轴承进行在线监控与故障诊断，可以减少或杜绝事故的发生，减少车上人员的生命威胁，并为滚动轴承工艺的优化改进提供数据和信息支撑，预知状态并指导维修，降低轴承全寿命周期的开支。
[0003]近年来，采用神经网络模型来实现对轴承故障的诊断。在采用神经网络模型时，单纯地将时频特征作为神经网络模型的输入。在实际中，由于反映轴承状态的除了时频特征之外，通常还包含冲击特征等，因此若仅仅采用时频特征作为神经网络模型的输入，则可能会导致采用神经网络模型输出的轴承故障诊断结果不可靠。
[0004]由此可见，如何提高通过神经网络模型输出的轴承故障诊断结果的可靠性，是本领域技术人员亟待解决的问题。
技术实现思路
[0005]本申请的目的是提供一种轴承故障诊断的方法、装置及介质，用于提高通过神经网络模型输出的轴承故障诊断结果的可靠性。
[0006]为解决上述技术问题，本申请提供一种轴承故障诊断的方法，包括：
[0007]获取图像采集设备采集的所述轴承的信号；
[0008]根据所述轴承的信号生成多种用于反映轴承健康程度的特征图；其中，所述特征图至少包括：峭度图、时频图；
[0009]拼接各所述特征图并获取拼接特征图；
[0010]将所述拼接特征图输入至预先建立的用于轴承故障诊断的神经网络模型；
[0011]通过所述神经网络模型输出故障诊断结果。
[0012]优选地，建立所述用于轴承故障诊断的神经网络模型包括：
[0013]获取所述图像采集设备采集的各轴承故障对应的信号；
[0014]根据所述轴承故障对应的信号生成多种所述轴承故障对应的特征图；
[0015]拼接各所述轴承故障对应的特征图并获取各所述轴承故障对应的拼接特征图；
[0016]将各所述轴承故障对应的拼接特征图作为所述神经网络模型的输入以及将各所述轴承故障作为所述神经网络模型的输出，并进行训练，完成所述用于轴承故障诊断的神经网络模型的建立。
[0017]优选地，所述轴承包括内圈、外圈、滚动体、保持架，所述获取所述图像采集设备采
集的各所述轴承故障对应的信号包括：
[0018]获取所述图像采集设备采集的所述内圈、所述外圈、所述滚动体、所述保持架在各故障等级时对应的信号。
[0019]优选地，所述拼接各所述特征图包括：
[0020]将各所述特征图设置为纵向尺寸相等或横向尺寸相等；
[0021]在各所述特征图纵向尺寸相等的情况下，将各所述特征图进行横向拼接；
[0022]在各所述特征图的横向尺寸相等的情况下，将各所述特征图进行纵向拼接。
[0023]优选地，所述拼接各所述特征图并获取拼接特征图包括：
[0024]调整各所述特征图的尺寸以及拼接方向；
[0025]获取正方形的所述拼接特征图。
[0026]优选地，将各所述特征图进行横向拼接或纵向拼接至少包括以下之一：
[0027]通过Python编写程序将各所述特征图进行横向拼接或纵向拼接；
[0028]通过PS软件将各所述特征图进行横向拼接或纵向拼接；
[0029]其中，所述通过Python编写程序将各所述特征图进行横向拼接或纵向拼接包括：
[0030]将各所述特征图生成统一的预设格式的所述特征图；
[0031]利用所述Python编写程序将各所述预设格式的所述特征图进行横向或纵向拼接。
[0032]优选地，所述获取图像采集设备采集的所述轴承的信号包括：
[0033]按照固定频率获取所述图像采集设备采集的所述轴承的信号。
[0034]为了解决上述技术问题，本申请还提供一种轴承故障诊断的装置，包括：
[0035]获取模块，用于获取图像采集设备采集的所述轴承的信号；
[0036]生成模块，用于根据所述轴承的信号生成多种用于反映轴承健康程度的特征图；其中，所述特征图至少包括：峭度图、时频图；
[0037]拼接模块，用于拼接各所述特征图并获取拼接特征图；
[0038]输入模块，用于将所述拼接特征图输入至预先建立的用于轴承故障诊断的神经网络模型；
[0039]输出模块，用于通过所述神经网络模型输出故障诊断结果。
[0040]为了解决上述技术问题，本申请还提供一种轴承故障诊断的装置，包括：
[0041]存储器，用于存储计算机程序；
[0042]处理器，用于执行所述计算机程序时实现上述的轴承故障诊断的方法的步骤。
[0043]为了解决上述技术问题，本申请还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现上述的轴承故障诊断的方法的步骤。
[0044]本申请所提供的轴承故障诊断的方法，包括：获取图像采集设备采集的轴承的信号；根据轴承的信号生成多种用于反映轴承健康程度的特征图；其中，用于反映轴承健康程度的特征图至少包括：峭度图、时频图；拼接各特征图并获取拼接特征图；将拼接特征图输入至预先建立的用于轴承故障诊断的神经网络模型；通过神经网络模型输出故障诊断结果。该方法中将多种用于反映轴承健康程度的特征图进行拼接得到拼接特征图，将其作为神经网络的输入数据，并进行故障诊断。由于采用拼接特征图作为神经网络模型的输入相比于采用单一的特征图作为神经网络的输入，反映的轴承健康程度更加丰富，如峭度图能
够反映信号中的冲击特征，时频图能够反映信号中的时频分布信息，将峭度图与时频图拼接后既可以反映冲击特征，又可以反映时频分布信息，因此通过神经网络模型输出的轴承故障诊断的结果更加可靠。
[0045]此外，本申请还提供一种轴承故障诊断的装置及计算机可读存储介质，与上述提到的轴承故障诊断的方法相对应，效果同上。
附图说明
[0046]为了更清楚地说明本申请实施例，下面将对实施例中所需要使用的附图做简单的介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0047]图1为本申请实施例提供的一种轴承故障诊断的方法的流程图；
[0048]图2为本申请的一实施例提供的轴承故障诊断的装置的结构图；
[0049]图3为本申请另一实施例提供的轴承故障诊断的装置的结构图；
[0050]图4为本申请实施例提供的一种轴承故障诊断的方法的整体示意图。
具体实施方式
[0051]下面将结合本申请实施例中的附图本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种轴承故障诊断的方法，其特征在于，包括：获取图像采集设备采集的所述轴承的信号；根据所述轴承的信号生成多种用于反映轴承健康程度的特征图；其中，所述特征图至少包括：峭度图、时频图；拼接各所述特征图并获取拼接特征图；将所述拼接特征图输入至预先建立的用于轴承故障诊断的神经网络模型；通过所述神经网络模型输出故障诊断结果。2.根据权利要求1所述的轴承故障诊断的方法，其特征在于，建立所述用于轴承故障诊断的神经网络模型包括：获取所述图像采集设备采集的各轴承故障对应的信号；根据所述轴承故障对应的信号生成多种所述轴承故障对应的特征图；拼接各所述轴承故障对应的特征图并获取各所述轴承故障对应的拼接特征图；将各所述轴承故障对应的拼接特征图作为所述神经网络模型的输入以及将各所述轴承故障作为所述神经网络模型的输出，并进行训练，完成所述用于轴承故障诊断的神经网络模型的建立。3.根据权利要求2所述的轴承故障诊断的方法，其特征在于，所述轴承包括内圈、外圈、滚动体、保持架，所述获取所述图像采集设备采集的各所述轴承故障对应的信号包括：获取所述图像采集设备采集的所述内圈、所述外圈、所述滚动体、所述保持架在各故障等级时对应的信号。4.根据权利要求1至3任意一项所述的轴承故障诊断的方法，其特征在于，所述拼接各所述特征图包括：将各所述特征图设置为纵向尺寸相等或横向尺寸相等；在各所述特征图纵向尺寸相等的情况下，将各所述特征图进行横向拼接；在各所述特征图的横向尺寸相等的情况下，将各所述特征图进行纵向拼接。5.根据权利要求1至3任意一项所述的轴承故障诊断的方法，其特征在于，所述拼接各所述特征图并获取拼接特征图包括：...
【专利技术属性】
技术研发人员：李恒奎，赵梦华，高宝杰，台永丰，刘东寰，
申请(专利权)人：中车青岛四方机车车辆股份有限公司，
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。