轴承故障诊断方法、装置、设备及可读存储介质制造方法及图纸

本申请公开了一种轴承故障诊断方法、装置、设备及可读存储介质，该方法包括步骤：获取轴承在运转过程中的信号数据；对所述信号数据进行矩阵变换处理，得到目标数据；输入所述目标数据至诊断模型，得到分类结果；基于所述分类结果，确定所述轴承存在的故障类型；所述诊断模型是基于轴承信号训练数据集对图像分类模型进行迭代训练得到的；所述轴承信号训练数据集通过对所述信号数据进行矩阵变换处理得到。本申请实现了将轴承在运转过程中的信号数据进行变换处理，从而得到目标数据，使用经过矩阵变换处理后的目标数据作为训练样本，训练得到诊断模型，提高了训练后的模型的分类、识别精度，从而使得诊断模型对轴承故障的诊断精度高。度高。度高。

【技术实现步骤摘要】
轴承故障诊断方法、装置、设备及可读存储介质


[0001]本申请涉及信号领域，尤其涉及一种轴承故障诊断方法、装置、设备及可读存储介质。

技术介绍

[0002]在轴承运转过程中，会产生相应的运转时的动作信号，通过检测信号变化，从而确定轴承是否出现故障。
[0003]而采集到的轴承在运转过程中的信号数据通常为时域下的一维信号，但是图像分类模型无法准确识别一维信号的显著特征，因此，信号数据作为训练图像分类模型的训练样本，导致训练完成后的模型的分类精度低。
[0004]因此，使用以信号数据作为训练样本的模型对轴承信号进行故障诊断的精度低。

技术实现思路

[0005]有鉴于此，本申请提供一种轴承故障诊断方法、装置、设备及可读存储介质，旨在提高图像分类模型对轴承产生故障诊断的准确率。
[0006]为实现上述目的，本申请提供一种轴承故障诊断方法，所述轴承故障诊断方法包括以下步骤：获取轴承在运转过程中的信号数据；对所述信号数据进行矩阵变换处理，得到目标数据；输入所述目标数据至诊断模型，得到分类结果；基于所述分类结果，确定所述轴承存在的故障类型；所述诊断模型是基于轴承信号训练数据集对图像分类模型进行迭代训练得到的；所述轴承信号训练数据集通过对所述信号数据进行矩阵变换处理得到。
[0007]示例性的，所述对所述信号数据进行矩阵变换处理，得到目标数据，包括：转化所述信号数据至时频域的二维矩阵；获取所述二维矩阵中的时域信息和频域信息；整合所述时域信息和所述频域信息，得到目标数据。
[0008]示例性的，所述转化所述信号数据至二维矩阵形式之前，包括：检测所述信号数据的频率；选取长度与频率分辨率均适用于所述频率的高斯窗口，以提取不同频段上的信息，以及提取所述信号数据在预设时长内各个时间点上的频率分量，所述频段上的信息和所述频率分量为时域信息和频域信息。
[0009]示例性的，所述整合所述时域信息和所述频域信息，得到目标数据，包括：基于所述时域信息和所述频域信息，建立时间、频率和幅值为坐标轴的时频域，并绘制在所述时频域下的图像信息；选取所述图像信息在时间与频率坐标轴组成的平面内的投影，得到目标数据。
[0010]示例性的，所述将所述目标数据作为训练样本，输出所述训练样本至所述神经网络模型，并训练所述神经网络模型，得到诊断模型，包括：获取轴承发生不同故障时的训练样本；输入所述训练样本至图像分类模型，在所述图像分类模型完成训练后，得到诊断模型；所述图像分类模型为用于图像分类的神经网络模型。
[0011]示例性的，所述输入所述训练样本至图像分类模型，在所述图像分类模型完成训练后，得到诊断模型；所述图像分类模型为用于图像分类的神经网络模型，包括：输入所述训练样本至图像分类模型，对所述训练样本进行分类，得到训练分类标签；基于所述训练分类标签和所述训练样本对应的预设真实标签，计算所述图像分类模型的梯度；基于所述梯度，确定所述图像分类模型是否满足预设迭代训练结束条件；若满足，则将所述图像分类模型作为诊断模型；若未满足，则继续对所述图像分类模型进行迭代训练，直至所述图像分类模型满足预设迭代训练结束条件。
[0012]示例性的，所述输入所述训练样本至图像分类模型，在所述图像分类模型完成训练后，得到诊断模型之后，包括：获取其他型号轴承的训练样本；将所述诊断模型作为初始模型，使用所述其他型号轴承的训练样本训练所述初始模型，得到用于不同型号轴承诊断的目标模型。
[0013]示例性的，为实现上述目的，本申请还提供一种轴承故障诊断装置，所述装置包括：获取模块，用于获取轴承在运转过程中的信号数据；处理模块，用于对所述信号数据进行矩阵变换处理，得到目标数据；输入模块，用于输入所述目标数据至诊断模型，得到分类结果；确定模块，用于基于所述分类结果，确定所述轴承存在的故障类型；所述诊断模型是基于轴承信号训练数据集对图像分类模型进行迭代训练得到的；所述轴承信号训练数据集通过对所述信号数据进行矩阵变换处理得到。
[0014]示例性的，为实现上述目的，本申请还提供一种轴承故障诊断设备，所述设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的轴承故障诊断程序，所述轴承故障诊断程序配置为实现如上所述的轴承故障诊断方法的步骤。
[0015]示例性的，为实现上述目的，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轴承故障诊断程序，所述轴承故障诊断程序被处理器执行时实现如上所述的轴承故障诊断方法的步骤。
[0016]在现有技术中，图像分类模型无法直接从轴承在运转时产生的信号数据进行特征提取和精准识别的工作，因此，直接以信号数据作为训练样本，训练图像分类模型得到的诊断模型对轴承故障诊断的准确率低的情况相比，在本申请中，获取轴承在运转过程中的信号数据，通过将该信号数据进行矩阵变换处理，得到目标数据，将目标数据输入至诊断模型中，得到分类结果，根据分类结果，确定轴承是否存在故障类型，其中所使用的诊断模型是
基于轴承信号训练数据集对图像分类模型进行迭代训练得到的，同时，该轴承信号训练数据集中的数据均为轴承的信号数据进行矩阵变换处理得到的，即通过对轴承在运转过程中的信号数据进行矩阵变换，将原本图像分类模型无法直接提取特征的信号数据，转化为能够用作训练样本的数据，使得训练后的图像分类模型对信号数据的特征分类的准确度提高，进而使得通过诊断模型对轴承的信号数据进行诊断的准确率提高，因而诊断模型能够精准地诊断出轴承是否存在故障。
附图说明
[0017]图1是本申请轴承故障诊断方法第一实施例的流程示意图；图2为本申请轴承故障诊断方法第二实施例的流程示意图；图3为本申请的轴承齿轮箱内圈发生故障时采集到的振动信号的示意图；图4为本申请的一维信号数据的示意图；图5为本申请的一维信号数据转化为二维图像数据的示意图；图6为本申请实施例方案涉及的硬件运行环境的结构示意图。
[0018]本申请目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
[0019]应当理解，此处所描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
[0020]本申请提供一种轴承故障诊断方法，参照图1，图1为本申请轴承故障诊断方法第一实施例的流程示意图。
[0021]本申请实施例提供了轴承故障诊断方法的实施例，需要说明的是，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。为了便于描述，以下省略执行主体描述轴承故障诊断方法的各个步骤，轴承故障诊断方法包括：步骤S110：获取轴承在运转过程中的信号数据；轴承在转动过程中产生不同的运转信号，例如，在轴承平稳运行时和轴承发生故障时的运转信号不同，同时，根据轴承产生的不同故障类型（例如，轴承外圈断裂、轴承滚珠碎裂等故障），轴承运转时的故障信号又产生不同情况。
[0022]参照图2，图2为轴承齿轮箱内圈发生故障时采集到的振动信号的示意图，可以看出轴承内圈故障本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种轴承故障诊断方法，其特征在于，所述轴承故障诊断方法包括以下步骤：获取轴承在运转过程中的信号数据；对所述信号数据进行矩阵变换处理，得到目标数据；输入所述目标数据至诊断模型，得到分类结果；基于所述分类结果，确定所述轴承存在的故障类型；所述诊断模型是基于轴承信号训练数据集对图像分类模型进行迭代训练得到的；所述轴承信号训练数据集通过对所述信号数据进行矩阵变换处理得到。2.如权利要求1所述的轴承故障诊断方法，其特征在于，所述对所述信号数据进行矩阵变换处理，得到目标数据，包括：转化所述信号数据至时频域的二维矩阵；获取所述二维矩阵中的时域信息和频域信息；整合所述时域信息和所述频域信息，得到目标数据。3.如权利要求2所述的轴承故障诊断方法，其特征在于，所述转化所述信号数据至二维矩阵形式之前，包括：检测所述信号数据的频率；选取长度与频率分辨率均适用于所述频率的高斯窗口，以提取不同频段上的信息，以及提取所述信号数据在预设时长内各个时间点上的频率分量，所述频段上的信息和所述频率分量为时域信息和频域信息。4.如权利要求2所述的轴承故障诊断方法，其特征在于，所述整合所述时域信息和所述频域信息，得到目标数据，包括：基于所述时域信息和所述频域信息，建立时间、频率和幅值为坐标轴的时频域，并绘制在所述时频域下的图像信息；选取所述图像信息在时间与频率坐标轴组成的平面内的投影，得到目标数据。5.如权利要求1所述的轴承故障诊断方法，其特征在于，所述输入所述目标数据至诊断模型之前，包括：获取轴承发生不同故障时的训练样本；输入所述训练样本至图像分类模型，在所述图像分类模型完成训练后，得到诊断模型；所述图像分类模型为用于图像分类的神经网络模型。6.如权利要求5所述的轴承故障诊断方法，其特征在于，所述输入所述训练样本至图像分类模型，在所述图像分类模型完成训练后...

【专利技术属性】
技术研发人员：冯建设，田志国，沈世通，李一帆，周雷，
申请(专利权)人：中信控股有限责任公司，
类型：发明
国别省市：