基于相似性的货车轴承异常特征提取与分类方法技术

本发明专利技术涉及异常检测技术领域，公开了一种基于相似性的货车轴承异常特征提取与分类方法，提取方法包括以下步骤：步骤1：采集基础数据；所述基础数据包括货车轴承的时域加速度信号；步骤2：预处理基础数据，并将基础数据划分为训练集和测试集；并将训练集和测试集中的时域数据均转换为频域数据；步骤3：建立孪生网络特征提取模型；且建立得到的孪生网络特征提取模型中设有特征计算网络和与之孪生的孪生网络；特征计算网络与孪生网络的结构相同且参数共享；步骤4：采用孪生网络特征提取模型进行特征提取。本发明专利技术能够智能、准确完成针对货车的轴承异常识别分析，有助于识别出货车轴承早期故障，精确度较高且具备实时性。精确度较高且具备实时性。精确度较高且具备实时性。

【技术实现步骤摘要】
基于相似性的货车轴承异常特征提取与分类方法


[0001]本专利技术涉及异常检测
，具体涉及一种基于相似性的货车轴承异常特征提取与分类方法。

技术介绍

[0002]轴承作为铁路货车走行部中的关键组成部分之一，轴承的健康状况直接关系到机械的安全与车辆的有效运行，因其复杂的工作环境和持续承受动荷载的作用影响，轴承在车辆运行中较易于发生故障，以致于影响货车运行安全，这就需要在早期能够及时检测和诊断出轴承故障。
[0003]针对货车故障轴承的识别问题，目前工业上采用的识别方法大多是通过预先设置故障数据库或是预先设置标准滚动轴承数据库，再通过比对现有轴承数据与数据库中的数据进行识别，但此类方法仅适用于简单的轴承特征分析。在实际的货车运行中，轴承所处的环境更为复杂，相应地，轴承特征表现也更为复杂，上述方法无法充分分析出真实的轴承特征情况，分析精准度较低。
[0004]而还有的采用图像输入方式，输入轴承运转图像，通过深度学习判断轴承是否发生故障的方法；由于图像输入相较于加速度信号等更为复杂，这使得神经网络需要承载较大的运算量，识别效率较低本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于相似性的货车轴承异常特征提取方法，其特征在于，包括以下步骤：步骤1：采集基础数据；所述基础数据包括货车轴承的时域加速度信号；步骤2：预处理基础数据，并将基础数据划分为训练集和测试集；并将训练集和测试集中的时域数据均转换为频域数据；步骤3：建立孪生网络特征提取模型；且建立得到的孪生网络特征提取模型中设有特征计算网络和与之孪生的孪生网络；特征计算网络与孪生网络的结构相同且参数共享；步骤4：采用孪生网络特征提取模型进行特征提取。2.根据权利要求1所述的基于相似性的货车轴承异常特征提取方法，其特征在于，在步骤1中，采集基础数据时，通过在货车卡钳平台布置与货车轴承竖向一致的传感器，以收集货车轮对的传递振动加速度信号作为货车轴承的时域加速度信号。3.根据权利要求2所述的基于相似性的货车轴承异常特征提取方法，其特征在于，收集货车轮对的传递振动加速度信号时，以货车轮对为整体，模拟正常运行时速下货车速度，车轮转速定为300rpm；所述货车轮对为滚动轴承轮对；采集模拟过程中的轮对的传递振动加速度信号作为货车轴承的时域加速度信号。4.根据权利要求1所述的基于相似性的货车轴承异常特征提取方法，其特征在于，在步骤2中，预处理基础数据时，将基础数据中的周期性异常值进行剔除。5.根据权利要求4所述的基于相似性的货车轴承异常特征提取方法，其特征在于，在步骤2中，预处理基础数据时，还采用移动窗口分隔方法对基础数据进行分割。6.根据权利要求1所述的基于相似性的货车轴承异常特征提取方法，其特征在于，在步骤2中，训练集和测试集中的正常数据...

【专利技术属性】
技术研发人员：李沛海，何庆，孙华坤，段移先，李晨钟，刘涛，李王逸嘉，陈俞兵，徐淙洋，
申请(专利权)人：西南交通大学，
类型：发明
国别省市：