一种轴承故障诊断方法、装置、设备及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、设备及介质，涉及轴承故障诊断技术领域，包括：获取振动传感器采集到的轴承故障振动信号；利用小波散射卷积网络对所述轴承故障振动信号进行特征提取，以得到相应的散射特征数据，并基于所述散射特征数据构建散射系数矩阵；将所述散射系数矩阵输入至门控循环单元结构，以便利用所述门控循环单元结构对所述散射系数矩阵进行故障分类，并输出故障分类结果。通过在轴承故障诊断过程中融合了小波散射卷积网络和门控循环单元结构，既能在提取特征的过程中具有平移不变性、局部形变稳定性以及信息完整性的特点，不会造成信号信息的丢失，又能实现准确的故障分类。能实现准确的故障分类。能实现准确的故障分类。

【技术实现步骤摘要】
一种轴承故障诊断方法、装置、设备及介质


[0001]本专利技术涉及轴承故障诊断
，特别涉及一种轴承故障诊断方法、装置、设备及介质。

技术介绍

[0002]滚动轴承是机械设备中最常见的零部件，在实际加工中滚动轴承会因装配不当、润滑不良、腐蚀、超载等因素而损坏，因此及时有效的监测其状态对保证设备安全稳定运行和降低维护成本具有重要的意义。传统的滚动轴承故障诊断方法主要是基于专家经验的特征工程和分类器来识别轴承状态，然而这种方法存在以下问题：传统提取特征的方法需要依赖大量的专家经验，时间成本高且基于经验的手动筛选特征会遗漏掉原始信号中的有效信息，同时以往诊断模型多是在信号单一域上分析轴承故障信号，无法学习信号在其它域上的变化形式，模型的诊断准确性和泛化性仍待提高。
[0003]综上，在轴承故障诊断过程中，如何避免特征提取过程中信号信息的丢失，以进一步提高故障分类的准确性是目前有待解决的问题。

技术实现思路

[0004]有鉴于此，本专利技术的目的在于提供一种轴承故障诊断方法、装置、设备及介质，能够在轴承故障诊断过程中，避免特本文档来自技高网...

【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，包括：获取振动传感器采集到的轴承故障振动信号；利用小波散射卷积网络对所述轴承故障振动信号进行特征提取，以得到相应的散射特征数据，并基于所述散射特征数据构建散射系数矩阵；将所述散射系数矩阵输入至门控循环单元结构，以便利用所述门控循环单元结构对所述散射系数矩阵进行故障分类，并输出故障分类结果。2.根据权利要求1所述的轴承故障诊断方法，其特征在于，所述利用小波散射卷积网络对所述轴承故障振动信号进行特征提取，以得到相应的散射特征数据，包括：利用小波散射卷积网络中的小波基函数提取所述轴承故障振动信号中的高频信号信息，并基于预设散射阶数将所述轴承故障振动信号散射到不同路径中，以便基于所述预设散射阶数对所述高频信号信息进行迭代分解，以得到相应的散射特征数据。3.根据权利要求2所述的轴承故障诊断方法，其特征在于，所述利用小波散射卷积网络中的小波基函数提取所述轴承故障振动信号中的高频信号信息，包括：确定小波散射卷积网络中小波基函数中的基函数尺度因子和基函数平移因子；基于所述基函数尺度因子和所述基函数平移因子，利用所述小波基函数提取所述轴承故障振动信号在不同尺度和不同方向上的高频信号信息。4.根据权利要求2所述的轴承故障诊断方法，其特征在于，所述利用小波散射卷积网络中的小波基函数提取所述轴承故障振动信号中的高频信号信息的过程中，还包括：利用预设的小波变换模算子与所述轴承故障振动信号进行卷积运算；其中，所述小波变换模算子用于对提取到的高频信号信息进行取模运算。5.根据权利要求2所述的轴承故障诊断方法，其特征在于，所述基于所述预设散射阶数对所述高频信号信息进行迭代分解，以得到相应的散射特征数据，包括：确定所述轴承故障振动信号在当前阶经小波散射...

【专利技术属性】
技术研发人员：吴琪文，段腾飞，蔡一彪，陈志成，孙丰诚，倪军，
申请(专利权)人：杭州安脉盛智能技术有限公司，
类型：发明
国别省市：