【技术实现步骤摘要】
本专利技术专利涉及农业装备易损零部件故障诊断，具体为一种基于vmd与cnn的采棉机采摘头齿轮箱轴承故障诊断方法。
技术介绍
1、随着我国棉花标准化种植面积大幅增加，对采棉机的需求越来越大，采棉机采摘头齿轮箱轴承的故障发生率会随之增加，其维修停机时间也大大增加，因此故障诊断技术是采棉机正常工作所倚靠的重要技术之一。采棉机采摘头齿轮箱轴承的好坏，直接影响着棉花采摘的效率。
2、在采摘头齿轮箱运转过程中，滚动轴承起着承受和传递载荷的作用。滚动轴承因承受设备运转产生的冲击载荷能力较弱、工作环境恶劣，造成疲劳磨损等状况频发，滚动轴承成为采摘头齿轮箱中最容易发生故障的机械零部件之一。滚动轴承故障诊断技术发展进程中，状态监测技术、诊断及预警技术等领域的研究工作已较为成熟，取得了较好的经济效益。轴承出现故障，如不能及时预警、维修轴承故障，则会造成巨大经济损失。因此，针对采棉机采摘头齿轮箱轴承故障诊断技术研究，可以保障设备稳定运行。
3、在振动信号信噪分离算法中，目前常用的方法(小波变换、经验模态分解和奇异值分解(singular value decomposition，svd)等)存在小波基函数选取、模态混叠、奇异值选取等问题，造成信号降噪效果降低，提取有用信号困难等。为解决上述问题，提出了基于vmd的信噪分离算法，提取振动信号的故障特征信息，该方法具有运算效率高、端点效应小和噪声鲁棒性良好等特点。在信号处理过程中，vmd采用可变尺度的非递归方式，自适应完成信号分解过程，通过重构有用信号，有效去除完成了信号中的噪声成分利
4、基于深度学习的滚动轴承故障诊断方法能够从海量数据中自动选择并提取特征，极大的提升了故障识别的精度与鲁棒性。在cnn、dbn、rnn、dan、gan等众多深度学习模型中，基于cnn故障诊断方法，具有较高的特征信息提取能力，将一维时序振动信号数据输入训练好的诊断模型中，卷积层快速提取特征信息，分类层准确输出诊断结果。
5、目前，在轴承故障诊断的领域，尽管取得了相对不错的效果，但是对处于噪声等复杂情况下的轴承故障诊断效果仍有待提高。
技术实现思路
1、本专利技术的目的在于提供一种基于vmd与cnn的采棉机采摘头齿轮箱轴承故障诊断方法，以解决上述
技术介绍
中提出的问题。
2、为实现上述目的，本专利技术提供如下技术方案：
3、一种基于vmd与cnn的采棉机采摘头齿轮箱轴承故障诊断方法，具体包括以下步骤：
4、步骤一：采集滚动轴承原始振动信号。
5、步骤二：利用vmd算法实现信号的信噪分离，使用皮尔逊相关系数确定分解参数，vmd分解完成并得到个模态分量，重构去噪声后的振动信号数据；
6、步骤三：将重构后的振动信号数据采用滑动重叠采样和归一化预处理，按照预设的固定时间序列长度对数据集划分比例，将数据划分为训练集、验证集和测试集；
7、步骤四：设计卷积神经网络
8、步骤五：将步骤四中得到得训练集和验证集输入到cnn网络模型用于训练、验证，训练过程中不断调整网络参数，最终得到最优网络训练模型的权重文件；
9、步骤六：使用步骤五中训练好的cnn网络模型进行滚动轴承的故障诊断。
10、进一步地，所述步骤一中滚动轴承原始振动信号采集主要在实验台上安装设置的外圈、内圈、滚动体故障，利用安装在轴承座上的加速度传感器采集到的振动信号，并通过采集仪保存一维振动信号。
11、进一步地，所述步骤二中首先设定初始化模态分量个数,，，对振动信号采用vmd分解，判断是否，若是则说明vmd发生过分解，然后更新值为，循环结束；否则，使，重复步骤(2)，具体为模态分量为最佳的imf个数选取，通过选取皮尔逊系数最大的模态分量imf4，重构去噪后的信号。
12、进一步地，所述步骤三中具体为将重构后的一维时间序列信号按照一定的采样间隔重叠采样，将采样后的信号按找7：2：1的比例划分为训练集、验证集、测试集并打标签。
13、进一步地，所述步骤四中具体为cnn模型网络结构包含5个卷积层、5个池化层和2个全连接层。
14、进一步地，所述步骤五中具体为将数据集中的训练集输入到模型中进行训练，验证集进行验证，不断调整参数，直至得到最优的参数组合，保存权重文件。
15、进一步地，所述步骤六中具体为将数据集中的测试集输入到最优的模型对轴承进行故障诊断结果验证。
16、本专利技术的有益效果：通过将vmd信噪分离算法和卷积神经网络cnn融合的诊断方法，利用轴承上实时采集的振动信号数据进行滚动轴承故障类型的诊断，其建立的方法能在不拆卸设备的情况下，自行预测其故障状态，同时能较好的解决因工况多变、环境复杂造成的诊断难题。
本文档来自技高网...【技术保护点】
1.一种基于VMD与CNN的采棉机采摘头齿轮箱轴承故障诊断方法，其特征在于，具体包括以下步骤：
2.根据权利要求1所述的基于VMD与CNN的采棉机采摘头齿轮箱轴承故障诊断方法，其特征在于，所述步骤一中所述滚动轴承原始振动信号的采样频率为12.8kHz，采样时长为10S。
3.根据权利要求1所述的基于VMD与CNN的采棉机采摘头齿轮箱轴承故障诊断方法，其特征在于，所述步骤二中，VMD分解算法的过程包括：通过皮尔逊相关系数确定分解参数，VMD分解完成并得到个模态分量，通过选取皮尔逊系数最大的模态分量IMF4，重构去噪后的信号。
4.根据权利要求1所述的基于VMD与CNN的采棉机采摘头齿轮箱轴承故障诊断方法，其特征在于，所述步骤三中，按照样本长度1024，滑窗步长120，完成数据的重叠采样并归一化处理，按照7:2:1的比例将处理后的数据划分为训练、验证和测试集。
5.根据权利要求1所述的VMD与CNN的采棉机采摘头齿轮箱轴承故障诊断方法，其特征在于，所述步骤四设计的一维卷积神经网络结构包括：5个卷积层、5个池化层和2个全连接层。
<...【技术特征摘要】
1.一种基于vmd与cnn的采棉机采摘头齿轮箱轴承故障诊断方法，其特征在于，具体包括以下步骤：
2.根据权利要求1所述的基于vmd与cnn的采棉机采摘头齿轮箱轴承故障诊断方法，其特征在于，所述步骤一中所述滚动轴承原始振动信号的采样频率为12.8khz，采样时长为10s。
3.根据权利要求1所述的基于vmd与cnn的采棉机采摘头齿轮箱轴承故障诊断方法，其特征在于，所述步骤二中，vmd分解算法的过程包括：通过皮尔逊相关系数确定分解参数，vmd分解完成并得到个模态分量，通过选取皮尔逊系数最大的模态分量imf4，重构去噪后的信号。
4.根据权利要求1所述的基于vmd与cnn的采棉机采摘头齿轮箱轴承故障诊断方法，其特征在于，所述步骤三中，按照...
【专利技术属性】
技术研发人员：王磊，李坤宇，张宏文，王蒙，韩秉东，吕海亮，郭姚博诚，魏喜梅，扶学文，杨柳，
申请(专利权)人：石河子大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。