基于多特征融合和改进ShuffleNetV2的船舶变转速轴承故障诊断方法技术

本发明专利技术请求保护一种基于多特征融合和改进ShuffleNetV2的船舶变转速轴承故障诊断方法，其包括以下步骤：首先，通过对原始轴承振动信号进行CEEMD降噪处理，以降低信号冗余信息；基于降噪信号，进行角域重采样来获取角域信号；采用希尔伯特变换对角域信号进行处理来获取包络谱信号，将降噪信号、角域信号和包络谱信号融合成R

【技术实现步骤摘要】
基于多特征融合和改进ShuffleNetV2的船舶变转速轴承故障诊断方法


[0001]本专利技术属于智能故障诊断领域，适用于船舶变转速轴承故障诊断场景。具体涉及一种基于多特征融合和改进ShuffleNetV2的船舶变转速轴承故障诊断方法。

技术介绍

[0002]随着工业4.0的到来，机械设备逐渐趋向于高性能化、高载荷化以及复杂化。在多样化的机械设备中，滚动轴承已然成为旋转机械设备中的重要零件之一，广泛用于船舶桨轴系统、大型风力发电机组、水利工程以及航空航天设备等领域。由于滚动轴承的工作环境具有复杂并且运行状态多变的特点，所以极易发生故障。根据统计，滚动轴承故障占到了整个机械设备故障的30％以上。如果滚动轴承发生故障，通常会造成整个机械设备运行失效，极有可能造成不可挽回的损失。因此，对滚动轴承进行状态检测和故障诊断研究对保障机械设备的安全运行、消除安全隐患、提高生产效率和确保生命财产安全有着重大意义。
[0003]近年来，随着科学技术水平的不断提高，数据的爆炸式增长，采集大批量轴承数据逐渐便利化，成本逐渐下降，并且能够有效的进行标记，深度本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于多特征融合和改进ShuffleNetV2的船舶变转速轴承故障诊断方法，其特征在于，包括以下步骤：步骤1、首先，通过安装在旋转轴承附近的加速度计收集原始振动信号；对所收集的原始振动时域信号使用互补集合经验模态分解CEEMD降噪方法，对振动信号进行降噪处理；步骤2、然后，将降噪后的时域信号进行角域重采样处理，设计了一种能量补偿系数来用于补偿角域重采样产生的能量损失；步骤3、其次，在得到角域信号后，使用希尔伯特变换和平方包络谱SES分析来进行包络分析，获取平方包络谱信号；步骤4、最后，将所获得的降噪时域信号、角域信号和包络谱信号分别排列成矩阵形式，将时域振动信号特征、角域振动信号特征和包络谱信号特征融合成具有R
‑
G
‑
B三通道的彩色图像形式；步骤5、搭建ShuffleNetV2原始网络，对原始网络进行改进优化；在每个分支特征拼接后添加SE模块，使用SE模块自动获取每个特征通道的权重；使用HardSwish激活函数将原始网络中的ReLU激活函数进行替换；步骤6、将生成的信号图像分为训练数据和测试数据；然后，将训练集输入到神经网络中进行训练；在使用卷积神经网络进行训练后，使用测试集进行验证，实现船舶变转速轴承故障分类。2.根据权利要求1所述的基于多特征融合和改进ShuffleNetV2的船舶变转速轴承故障诊断方法，其特征在于，所述对原始振动时域信号使用CEEMD降噪方法，CEEMD降噪的具体步骤包括：(1)将白噪声乘以一个噪声比例系数，加入到原始振动时域信号里，然后用EMD对得到的新信号进行分解处理，得到一系列的IMF分量，接着继续加入N种不同的白噪声使用EMD进行相对应的N次分解，将N次分解后得到的IMF分量求整体的平均值：其中，x(t)表示原始振动时域信号，ω
i
表示白噪声，ε表示噪声比例系数，IMF1表示N次加入N种不同的白噪声分解锁得到的第N个第一阶IMF分量的均值，E
i
表示每次EMD分解后得到的第i阶分量；(2)计算从原始振动时域信号中剔除第一阶IMF分量后剩下的残余量：r1＝x(t)
‑
IMF1其中，r1表示剔除后第一阶IMF分量后的残余量；(3)将得到的残余量加入新的白噪声继续进行EMD分解，进行步骤(1)的迭代分解直到得到满足第二阶IMF分量条件的分量，然后对N个第二阶IMF分量求平均值，得到原始振动时域信号的第二阶IMF分量：
其中，IMF2表示N次加入N种不同的白噪声分解锁得到的第N个第二阶IMF分量的均值；(4)重复上述步骤，直到计算得到第k阶的残余量；r
k
＝r
k
‑1‑
IMF
k
(5)对所得到的所有N个第k阶IMF分量求平均值，得到原始振动时域信号的第k+1阶IMF分量：(6)上述循环迭代终止条件为所得到的残差中的极值点个数小于等于2时终止，最终残余量为：其中，K表示分解后得到的IMF分量的阶数；(7)最终源信号经过CEEMD分解后可以表达为：3.根据权利要求2所述的基于多特征融合和改进ShuffleNetV2的船舶变转速轴承故障诊断方法，其特征在于，所述对降噪信号进行角域重采样，角域重采样的具体步骤包括：(1)计算确定出旋转角位移量与时间的关系，将短时间内的转速变化看成恒定的，则利用二次曲线方程计算转速的转角：θ(t)＝b0+b1t+b2t2其中，b0，b1和b2为三个待定系数，通过连续的三个时间点(t0，t1，t2)以及转角Δθ计算可得，具体表现为：其中，Δφ表示两个转速脉冲之间的等角度间隔；最终，b0，b1和b2计算公式表示为：(2)根据旋转角位移与时间之间的关系，计算出等角度间隔重采样点所对应的时刻；在求得b0，b1和b2之后，将其带入(1)中的转角计算公式，得到(0，2Δφ)范围内任意转角θ在时域信号中所对应的时间节点t：(3)根据计算所得角域重采样的时间点，而对应的降噪时域振动信号的幅值通过插值算法得到，实现了从时域振动信号转化为角域振动信号；设计一个能量补偿系数k来补偿角
域重采样的能量损失：其中，x(t
i
)是降噪时域信号的幅值，Δt是时间增量，即采样间隔，N是信号的波长，x
′
(t
j
)是角域振动信号的振幅，Δt
′
j
是两个重采样点的对应时间增量，角域信号的最终振幅应乘以系数k。4.根据权利要求3所述的基于多特征融合和改进ShuffleNetV2的船舶变转速轴承故障诊断方法，其特征在于，所述步骤3、其次，在得到角域信号后，使用希尔伯特变换和SES分析来进行包络分析，获取平方包络谱信号，具体步骤包括：(1)使用希尔伯特变换从离散信号中计算出解析信号：其中，x(n)表示离散信号序列，j表示虚数单位，H[]表示对括号内的信号进行希尔伯特变换；(2)轴承和齿轮的故障信号近似视为CS2信号；采用包络分析来获得其谐波特性，SES计算表示为：其中，α表示循环频率，FS表示采样频率，x～表示使用希尔伯特变换从离散信号中计算出解析信号，DFT表示离散傅里叶变换。5.根据权利要求4所述的基于多特征融合和改进ShufffeNetV2的船舶变转速轴承故障诊断方法，其特征在于，所述步骤4将时域振动信号特征、角域振动信号特征和包络...

【专利技术属性】
技术研发人员：罗志勇，谭鸿恺，董鑫，
申请(专利权)人：重庆邮电大学，
类型：发明
国别省市：