一种无监督迁移学习的滚动轴承故障诊断方法技术

本发明专利技术公开了一种无监督迁移学习的滚动轴承故障诊断方法，所述诊断方法如下：步骤一：采集故障条件下机器收集的数据集，并对数据集进行处理，处理后的数据集存储在故障服务器中；步骤二：采集需要检测的滚动轴承数据，并对采集的数据进行处理；步骤三：处理后的数据通过基于无监督迁移学习的故障诊断算法进行诊断；步骤四：诊断后的数据和故障服务器中存储的数据集进行对比；本发明专利技术的有益效果是：诊断后的数据和故障服务器中存储的数据集进行对比，并导出至显示终端上进行查看，增加了滚动轴承故障诊断的精准；减少了故障诊断时的干扰；提取脉冲信号时对原始信号应用带通滤波器，获得用于包络频谱分析的更具脉冲性的信号

【技术实现步骤摘要】
一种无监督迁移学习的滚动轴承故障诊断方法


[0001]本专利技术属于滚动轴承故障诊断
，具体涉及一种无监督迁移学习的滚动轴承故障诊断方法
。

技术介绍

[0002]旋转机械是设备状态监测与故障诊断工作的重点，而旋转机械的故障有相当大比例与滚动轴承有关；滚动轴承是机器的易损件之一，据不完全统计，旋转机械的故障约有
30
％是由滚动轴承引起的
。
[0003]滚动轴承在运转过程中可能会由于各种原因引起损坏，如装配不当
、
润滑不良
、
水分和异物侵入
、
腐蚀和过载等都可能会导致轴承过早损坏；即使在安装
、
润滑和使用维护都正常的情况下，经过一段时间运转，轴承也会出现疲劳剥落和磨损而不能正常工作的问题
。
[0004]申请号为
CN202211230446.4
的一种无监督迁移学习的滚动轴承故障诊断方法及系统，该专利公开了包括以下步骤：将某工况下带有故障标签的数据集称为源域，另一工况下不带故障标签的数据集称为本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种无监督迁移学习的滚动轴承故障诊断方法，其特征在于：所述诊断方法如下：步骤一：采集故障条件下机器收集的数据集，并对数据集进行处理，处理后的数据集存储在故障服务器中；步骤二：采集需要检测的滚动轴承数据，并对采集的数据进行处理；步骤三：处理后的数据通过基于无监督迁移学习的故障诊断算法进行诊断；步骤四：诊断后的数据和故障服务器中存储的数据集进行对比，并导出至显示终端上进行查看
。2.
根据权利要求1所述的一种无监督迁移学习的滚动轴承故障诊断方法，其特征在于：所述数据集包含加速度信号
、
采样率
、
轴速度
、
负载重量和代表不同故障位置的临界频率
。3.
根据权利要求2所述的一种无监督迁移学习的滚动轴承故障诊断方法，其特征在于：所述临界频率包括球通频率外圈
、
球通频率内圈
、
基本训练频率和球自旋频率
。4.
根据权利要求3所述的一种无监督迁移学习的滚动轴承故障诊断方法，其特征在于：所述球通频率外圈处使用幅度调制提取脉冲信号或提高信噪比
。5.
根据权利要...

【专利技术属性】
技术研发人员：胡宝权，刘军，靳红红，霍天龙，邓辉勇，
申请(专利权)人：兰州理工大学，
类型：发明
国别省市：