一种样本不平衡情况下滚动轴承故障诊断方法及装置制造方法及图纸

本发明专利技术公开一种样本不平衡情况下滚动轴承故障诊断方法及装置，包括：数据采集，采集轴承运行过程中产生的振动信号；数据预处理，对采集的数据进行短时傅里叶变换；构建虚拟数据生成模型，搭建cDCGAN模型；数据生成模型训练，预处理后的数据输入cDCGAN模型中进行训练；虚拟数据样本生成，利用训练好的cDCGAN模型生成不平衡集中样本数量较少的小样本，将大量的小样本填充至不平衡样本集；构建故障诊断模型，构建2DCNN模型；故障诊断，将填充后平衡数据集输入2DCNN模型中训练，将采集到的真实测试数据输入到训练好的模型中进行诊断，从而实现对滚动轴承的故障诊断。与现有技术相比，本发明专利技术有效处理因部分故障类型样本数量少于其他故障类型而导致不平衡数据问题。

【技术实现步骤摘要】

本专利技术涉及滚动轴承故障诊断，具体涉及一种样本不平衡情况下滚动轴承故障诊断方法及装置。

技术介绍

1、制造行业是国家高速发展的重要基础，是科技发展的基本载体和国民经济的支柱产业。当今社会科技高速发展，制造业也越来越趋向于精密化、自动化、智能化。轴承作为旋转机械中不可或缺的零部件，其使用广泛，工况复杂，并且产生故障时会对财产安全与人身安全造成很大隐患。据统计，在所有的机械故障中，由滚动轴承引起的故障占30％，由此可见对滚动轴承进行故障诊断是非常有必要的。

2、随着各项技术的发展，从上世纪60年代开始，计算机、物理、机械等领域技术的融合为滚动轴承的故障检测提供了方向。滚动轴承的故障诊断一般是以传感器采集到的振动信号数据作为研究对象，再进一步对得到的信号进行特征提取与故障分类。滚动轴承的故障诊断方法主要包括传统诊断法和智能诊断法，其中，传统诊断法(如统计信号处理和机器学习)主要利用人工和领域专业知识进行数据的特征提取、选择和分类，而智能诊断法(如深度学习)是从数据中自动学习特征来完成故障诊断。目前，由于不同类型轴承的故障发生频率不同，一些故障类型的本文档来自技高网...

【技术保护点】

1.一种样本不平衡情况下滚动轴承故障诊断方法，其特征在于，具体的方法如下：

2.根据权利要求1所述的样本不平衡情况下滚动轴承故障诊断方法，其特征在于，

3.根据权利要求1所述的样本不平衡情况下滚动轴承故障诊断方法，其特征在于，步骤3中的虚拟数据生成模型的主要构架包括一个生成器网络和一个判别器网络，并在生成器与判别器中加入了辅助信息；生成器网络用于生成相似样本，它接受一个随机噪声向量作为输入，并根据训练数据生成一个接近真实的样本；判别器网络用于区分真实数据样本和生成器生成的虚拟样本，它接收一个输入样本并产生一个二分类输出。

4.根据权利要求3所述的样本不...

【技术特征摘要】

1.一种样本不平衡情况下滚动轴承故障诊断方法，其特征在于，具体的方法如下：

2.根据权利要求1所述的样本不平衡情况下滚动轴承故障诊断方法，其特征在于，

3.根据权利要求1所述的样本不平衡情况下滚动轴承故障诊断方法，其特征在于，步骤3中的虚拟数据生成模型的主要构架包括一个生成器网络和一个判别器网络，并在生成器与判别器中加入了辅助信息；生成器网络用于生成相似样本，它接受一个随机噪声向量作为输入，并根据训练数据生成一个接近真实的样本；判别器网络用于区分真实数据样本和生成器生成的虚拟样本，它接收一个输入样本并产生一个二分类输出。

4.根据权利要求3所述的样本不平衡情况下滚动轴承故障诊断方法，其特征在于，步骤3中的cdcgan模型的目标函数如下所示：

【专利技术属性】
技术研发人员：郭一鸣，黄静，何非，张万元，
申请(专利权)人：南京理工大学，
类型：发明
国别省市：