轴承故障诊断方法、装置、设备和存储介质制造方法及图纸

本申请属于人工智能技术领域，具体涉及一种轴承故障诊断方法、装置、设备和存储介质。本申请提供的轴承故障诊断方法，通过获取不同工况下不同状态的滚动轴承的振动信号；将振动信号分别使用连续小波变换进行数据预处理，获取每个振动信号对应的时频数据，并建立不同工况下不同状态的滚动轴承的时频数据集；通过时频数据集对轴承故障诊断模型进行训练，得到训练完成的轴承故障诊断模型；充分提取了所述振动信号在时域和频域上的特征信息，使得轴承故障诊断模型可以将从一部分工况对应的训练数据中学习到的知识准确迁移至另一部分工况下的轴承故障诊断领域中，提升了故障诊断模型的适应能力，进而确保了故障诊断模型输出的故障诊断结果的准确性。

【技术实现步骤摘要】

本申请属于人工智能，具体涉及一种轴承故障诊断方法、装置、设备和存储介质。

技术介绍

1、随着制造业的发展，轴承作为机械设备的重要零件，其需求量也在不断增大。一旦在役机械设备的轴承发生故障，可能导致整个设备停止运行，带来经济损失，甚至产生严重安全隐患，危及人员安全；且轴承故障在机械故障中占有很大比例，因此，准确地进行轴承故障诊断有着非常重要的意义。

2、现有的基于机器学习的轴承故障诊断方法，通常通过对故障轴承的经过处理的振动信号特征进行提取，并将振动信号特征输入机器学习模型，使用模型对轴承的故障进行诊断，以实现轴承故障的自动诊断。

3、然而，这样的轴承故障诊断方法，其模型对训练数据的要求较高，且对不同机械系统的适应性较差，在应对实际复杂多变的生产环境时，准确性难以保证。

技术实现思路

1、针对上述问题，本申请提供了一种轴承故障诊断方法、装置、设备和存储介质，本申请可用于工业互联网终端设备的预测性维护。

2、第一方面，本申请提供一种轴承故障诊断方法，所述方法包括：

本文档来自技高网...

【技术保护点】

1.一种轴承故障诊断方法，其特征在于，所述方法包括：

2.根据权利要求1所述的方法，其特征在于，所述将所述振动信号分别使用小波变换进行数据预处理，获取每个振动信号对应的时频数据，包括：

3.根据权利要求2所述的方法，其特征在于，所述根据连续小波基函数，获取离散小波基函数，包括：

4.根据权利要求3所述的方法，其特征在于，所述根据所述变换函数的输出值，生成所述振动信号对应的时频图像，包括：

5.根据权利要求1所述的方法，其特征在于，所述标签分类器用于分类多种轴承状态；所述源域数据包括多个训练样本，每个训练样本包括时频图像以及标记的域类别和每类...

【技术特征摘要】

1.一种轴承故障诊断方法，其特征在于，所述方法包括：

2.根据权利要求1所述的方法，其特征在于，所述将所述振动信号分别使用小波变换进行数据预处理，获取每个振动信号对应的时频数据，包括：

3.根据权利要求2所述的方法，其特征在于，所述根据连续小波基函数，获取离散小波基函数，包括：

4.根据权利要求3所述的方法，其特征在于，所述根据所述变换函数的输出值，生成所述振动信号对应的时频图像，包括：

5.根据权利要求1所述的方法，其特征在于，所述标签分类器用于分类多种轴承状态；所述源域数据包括多个训练样本，每个训练样本包括时频图像以及标记的域类别和每类轴承状态对应的标签值；所...

【专利技术属性】
技术研发人员：贾延祯，盛国军，陈录城，秦承刚，鲁效平，
申请(专利权)人：卡奥斯工业智能研究院青岛有限公司，
类型：发明
国别省市：