一种涡轮泵轴承故障诊断方法、装置、设备及介质制造方法及图纸

本发明专利技术公开一种涡轮泵轴承故障诊断方法、装置、设备及介质，涉及机械设备故障诊断技术领域，以解决现有涡轮泵轴承故障诊断方法预测准确性低的问题。一种涡轮泵轴承故障诊断方法，包括：获取瞬变工况的涡轮泵轴承的振动信号，处理后输入到初始故障诊断模型中，初始故障诊断模型中的膨胀卷积层进行故障特征提取，得到多尺度故障信息；基于多尺度故障信息，采用注意力机制进行压缩、激励处理，得到目标核尺度故障特征并进行处理得到预测故障类型；基于预测故障类型和已知故障类型，对模型的网络参数进行调整，得到训练完成的故障诊断模型用于对涡轮泵轴承故障进行预测。本发明专利技术提供的涡轮泵轴承故障诊断方法用于提高涡轮泵轴承故障类型预测准确性。障类型预测准确性。障类型预测准确性。

【技术实现步骤摘要】
一种涡轮泵轴承故障诊断方法、装置、设备及介质


[0001]本专利技术涉及机械设备故障诊断
，尤其涉及一种涡轮泵轴承故障诊断方法、装置、设备及介质。

技术介绍

[0002]涡轮泵主要由气体涡轮、燃料泵/氧化剂泵、轴承、转子等关键部件组成，由于工作时的高压、高速、低温、强振动等极端恶劣复杂环境，涡轮泵轴承极易发生剥落、裂纹等故障。
[0003]目前通常采用深度神经网络模型技术进行涡轮泵轴承的故障预测，然而由于涡轮泵轴承故障多发生于工况参数迅速变化的瞬变工况阶段，例如启动、关机及变工况等运行阶段，振动响应变化剧烈，使得各阶段监测数据存在显著分布差异，不能对模型进行有效训练；且监测数据传递路径复杂会有强背景噪声干扰，因此现有采用深度神经网络模型的方法难以准确提取监测数据的故障特征；另外，由于涡轮泵轴承故障历史数据少，训练出的模型不能准确捕捉健康状态与数据特征件的映射关系，不能实现对火箭发动机涡轮泵轴承故障的准确预测。

技术实现思路

[0004]本专利技术的目的在于提供一种涡轮泵轴承故障诊断方法、装置、设备及介质，用于解决现本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种涡轮泵轴承故障诊断方法，其特征在于，包括：获取瞬变工况的涡轮泵轴承的振动信号，并对所述振动信号进行归一化处理，得到归一化数据；将所述归一化数据输入到初始故障诊断模型中，所述初始故障诊断模型中的膨胀卷积层对所述归一化数据进行故障特征提取，得到多尺度故障信息；基于所述多尺度故障信息，采用注意力机制进行压缩、激励处理，得到目标核尺度故障特征；对所述目标核尺度故障特征进行处理，得到预测故障类型；基于所述预测故障类型和已知故障类型，对所述初始故障诊断模型的网络参数进行调整，得到训练完成的故障诊断模型；所述训练完成的故障诊断模型基于待预测涡轮泵轴承的振动信号对涡轮泵轴承故障进行预测。2.根据权利要求1所述涡轮泵轴承故障诊断方法，其特征在于，所述基于所述多尺度故障信息，采用注意力机制进行压缩、激励处理，得到目标核尺度故障特征，包括：对所述多尺度故障信息进行处理，得到统计特征；基于预设压缩率对所述统计特征进行压缩，得到压缩统计特征；基于softmax函数和激励层对所述压缩统计特征进行处理，得到各激活尺度注意力系数；所述激活尺度与故障信息的尺度相同；对所述各激活尺度注意力系数以及所述多尺度故障信息进行元素求积操作，得到目标核尺度故障特征。3.根据权利要求2所述涡轮泵轴承故障诊断方法，其特征在于，所述对所述多尺度故障信息进行处理，得到统计特征，包括：对所述多尺度故障信息进行标准化处理，得到标准化多尺度故障信息；对所述标准化多尺度故障信息进行元素求和处理，得到集成特征向量；基于所述初始故障诊断模型中的池化层对所述集成特征向量进行处理得到统计特征。4.根据权利要求1所述涡轮泵轴承故障诊断方法，其特征在于，所述对所述目标核尺度故障特征进行处理，得到预测故障类型，包括：基于所述初始故障诊断模型中的全连接层，对所述目标核尺度故障特征进行展平操作得到预测故障类型。5.根据权利要求1所述涡轮泵轴承故障诊断方法，其特征在于，所述基于所述预测故障类型和已知故障类型，对所述初始故障诊断模型的网络参数进行调整，得到训练完成的故障诊断模型，包括：根据所述预测故障类型和已知故障类型，采用最小均方误差函数计算初始故障诊断模型的损失函数；基于所述损失函数，采用AdaMax优化器对所述初始故障诊断模型的网络参数进行迭代优化，得到训练完成的故障诊断...

【专利技术属性】
技术研发人员：刘子俊，王珺，李斌潮，赵瑞国，闫松，张志伟，侯理臻，刘钰，
申请(专利权)人：西安航天动力研究所，
类型：发明
国别省市：