一种轴承故障诊断方法技术

本发明专利技术提供了一种轴承故障诊断方法，属于机械设备状态监测和故障诊断技术领域。本发明专利技术使用孤立森林算法剔除采集的振动信号的异常值；基于Acmix模型，以一维Swin Transformer实现自注意力路径操作，添加卷积特征提取作为卷积路径操作，构建Swin Transformer

【技术实现步骤摘要】
一种轴承故障诊断方法


[0001]本专利技术涉及机械设备状态监测和故障诊断
，尤其涉及一种轴承故障诊断方法。

技术介绍

[0002]轴承在旋转机械设备中起着至关重要的作用，因此对轴承进行故障诊断是确保高性能传动系统正常运行的关键环节。一旦传动系统出现故障，将可能导致生产停滞并对整个生产流程产生负面影响。因此，在故障发生之前对潜在问题进行识别和解决，是确保设备持续稳定运行并避免巨大经济损失的重要手段。
[0003]轴承故障诊断长期以来一直是预测性维护和设备健康管理领域的研究焦点。目前，针对轴承故障诊断的方法主要分为两大类。第一类是基于模型的方法，包括物理模型、卡尔曼滤波器、强跟踪估计器、径向基函数神经网络等技术。第二类是基于数据驱动的方法，例如特征提取、支持向量机、反向传播神经网络以及深度学习等技术。
[0004]近年来，深度学习技术在轴承故障诊断领域的应用越来越广泛，吸引了大量研究人员的关注。相较于传统的信号特征提取方法，这类方法通常需要大量的先验知识，而卷积神经网络(CNN)等深度学习技术则能够自动地提取特征，降低了诊断本文档来自技高网...

【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，包括如下步骤：采集设备的振动信号；使用孤立森林算法对采集的振动信号进行预处理，剔除信号中的异常值，对预处理后的数据进行归一化处理；将预处理后的信号划分为训练集与测试集；基于Acmix模型，以一维Swin Transformer实现自注意力路径操作，添加卷积特征提取作为卷积路径操作，构建Swin Transformer
‑
ACmix混合网络模型；使用训练集对Swin Transformer
‑
ACmix混合网络模型进行训练，得到Swin Transformer
‑
ACmix混合网络轴承故障分类模型，对网络的学习率进行自适应调整；使用测试集对Swin Transformer
‑
ACmix混合网络轴承故障分类模型进行验证，判断Swin Transformer
‑
ACmix混合网络模型故障分类的准确性，得到准确性达到要求的轴承故障诊断模型；实时采集设备的振动信号，使用轴承故障诊断模型进行轴承故障诊断。2.根据权利要求1所述的轴承故障诊断方法，其特征在于，Swin Transformer
‑
Acmix混合网络模型包括依次设置的特征投影层、卷积路径层、自注意力路径层、特征融合层、全连接层和softmax分类器。...

【专利技术属性】
技术研发人员：张文化，童明刚，廖志强，王鑫，方易礼，胡琦，
申请(专利权)人：广东德尔智慧科技股份有限公司，
类型：发明
国别省市：