【技术实现步骤摘要】
本申请属于轴承故障诊断，尤其涉及轴承故障诊断模型的训练方法、轴承故障诊断方法及装置。
技术介绍
1、随着现代工业的迅猛发展，各种机械设备广泛应用于工业领域。设备的正常运行关系着设备是否可以安全、高效地长期运行，也是整个企业正常生产的重要保证。因此，及时进行设备检测及故障诊断有着至关重要的作用。
2、传统的基于振动信号的旋转机械故障诊断方法，是通过诊断专家观察振动信号的频谱来进行故障定位和判断，但这种诊断方式的主观影响较大，且诊断效率较低。因此，当前工业界常采用深度学习的方法来进行故障诊断，这种方法需要大量的标记数据。然而，考虑到操作条件的变化，获得所有情况下的标记数据集是不切实际的，且实际工业设备的工况是复杂多变的。因而，基于深度学习的故障诊断方法，在实际操作中，所获得的数据难以很好地满足深度学习的需求，导致故障诊断的结果不够准确。
技术实现思路
1、本申请实施例提供了一种轴承故障诊断模型的训练方法、轴承故障诊断方法及装置，以解决当前轴承故障诊断方法的准确率不高的问题。
2、本申请是通过如下技术方案实现的：
3、第一方面，本申请实施例提供了一种轴承故障诊断方法，包括：获取第一轴承的振动信号、温度信号、转速信号，以及第一电机的工况信号，所述第一电机为所述第一轴承的驱动电机；提取所述振动信号的初始频域特征，并将所述初始频域特征和所述振动信号融合，得到第一融合特征；将所述第一融合特征、所述温度信号、所述转速信号、所述第一电机的工况信号融合，得到第二融合
4、结合第一方面，在一些实施例中，所述提取所述振动信号的初始频域特征，并将所述初始频域特征和所述振动信号融合，得到第一融合特征，包括：对所述振动信号进行快速傅里叶变换，得到所述初始频域特征；将所述初始频域特征和所述振动信号输入第一卷积模块，得到第一频域特征和第一时域特征；将所述第一频域特征和所述第一时域特征输入第二卷积模块，得到第二频域特征和第二时域特征；将所述第二频域特征与所述第二时域特征相加，得到第一中间特征，并将所述第一中间特征输入压缩和激励网络，得到第二中间特征；将所述第二中间特征分别与所述第二频域特征和所述第二时域特征相乘，对应得到第三频域特征和第三时域特征；将所述第三频域特征和第三时域特征输入第三卷积模块，得到第四频域特征和第四时域特征；将所述第四频域特征和第四时域特征输入第四卷积模块，得到第五频域特征和第五时域特征；将所述第五频域特征与所述第五时域特征相加，得到所述第一融合特征。
5、结合第一方面，在一些实施例中，所述第二融合特征包括第一数据和第二数据，所述第一数据为带标签的第二融合特征，所述第二数据为不带标签的第二融合特征；所述基于所述第二融合特征，对预先建立的轴承故障诊断模型进行训练，包括：将所述第一数据和所述第二数据输入第一个编码器，依次经过多个编码器处理后，得到最后一个编码器输出的第三数据和第四数据，所述第三数据为所述第一数据对应的特征向量，所述第四数据为所述第二数据对应的特征向量；将所述第三数据和所述第四数据进行余弦相似度计算，基于计算结果，采用标签传播算法为所述第四数据赋予伪标签，得到第五数据；将所述第三数据和所述第五数据输入至所述第一全连接层，得到所述第一全连接层输出的诊断结果；采用标签平滑损失函数计算所述第一全连接层输出的诊断结果的误差，并通过adam优化器更新所述预先建立的轴承故障诊断模型的参数。
6、第二方面，本申请实施例提供了一种轴承故障诊断方法，包括：获取目标轴承的振动信号、温度信号、转速信号，以及第二电机的工况信号，所述第二电机为所述目标轴承的驱动电机；提取所述目标轴承的振动信号的初始频域特征，并将该初始频域特征和所述目标轴承的振动信号融合，得到第三融合特征；将所述第三融合特征、所述目标轴承的温度信号、所述目标轴承的转速信号、所述第二电机的工况信号融合，得到第四融合特征；将所述第四融合特征输入训练好的轴承故障诊断模型，得到所述训练好的轴承故障诊断模型输出的所述目标轴承的诊断结果；其中，所述训练好的轴承故障诊断模型是按照上述故障诊断模型的训练方法训练得到的。
7、第三方面，本申请实施例提供了一种轴承故障诊断模型的训练装置，包括：第一获取模块，用于获取第一轴承的振动信号、温度信号、转速信号，以及第一电机的工况信号，所述第一电机为所述第一轴承的驱动电机；第一处理模块，用于提取所述振动信号的初始频域特征和第一时域特征，并将所述初始频域特征和第一时域特征融合，得到第一融合特征；将所述第一融合特征、所述温度信号、所述转速信号、所述第一电机的工况信号融合，得到第二融合特征；训练模块，用于基于所述第二融合特征，对预先建立的轴承故障诊断模型进行训练，得到训练好的轴承故障诊断模型；其中，所述预先建立的轴承故障诊断模型的输入数据为所述第二融合特征，训练标签包括所述第一轴承的故障类型；所述训练好的轴承故障诊断模型用于基于目标轴承的振动信号、温度信号、转速信号，以及第二电机的工况信号对所述目标轴承进行故障诊断；其中，所述第二电机为所述目标轴承的驱动电机。
8、第四方面，本申请实施例提供了一种轴承故障诊断装置，包括：第二获取模块，用于获取目标轴承的振动信号、温度信号、转速信号，以及第二电机的工况信号，所述第二电机为所述目标轴承的驱动电机；第二处理模块，用于提取所述目标轴承的振动信号的初始频域特征，并将该初始频域特征和所述目标轴承的振动信号融合，得到第三融合特征；将所述第三融合特征、所述目标轴承的温度信号、所述目标轴承的转速信号、所述第二电机的工况信号融合，得到第四融合特征；诊断模块，用于将所述第四融合特征输入训练好的轴承故障诊断模型，得到所述训练好的轴承故障诊断模型输出的所述目标轴承的诊断结果；其中，所述训练好的轴承故障诊断模型是按照上述第一方面中任一项所述的故障诊断模型的训练方法训练得到的。
9、第五方面，本申请实施例提供了一种电子设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述第一方面任一项所述的轴承故障诊断模型的训练方法或者实现上述第二方面任一项所述的轴承故障诊断方法。
10、第六方面，本申请实施例提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述第一方面任一项所述的轴承故障诊断模型的训练方法或者实现上述第二方面任一项所述的轴承故障诊断方法。
11、第七方面，本申请实施例提供了一种计算机程序产品，当计算机程序产品在电子设备上运行时，本文档来自技高网...
【技术保护点】
1.一种轴承故障诊断模型的训练方法，其特征在于，包括：
2.如权利要求1所述的轴承故障诊断模型的训练方法，其特征在于，所述提取所述振动信号的初始频域特征，并将所述初始频域特征和所述振动信号融合，得到第一融合特征，包括：
3.如权利要求1所述的轴承故障诊断模型的训练方法，其特征在于，所述将所述第一融合特征、所述温度信号、所述转速信号、所述第一电机的工况信号融合，得到第二融合特征，包括：
4.如权利要求1所述的轴承故障诊断模型的训练方法，其特征在于，所述预先建立的轴承故障诊断模型包括编码器和第一全连接层；其中，所述编码器为多个，且多个所述编码器依次连接，最后一个编码器与所述第一全连接层相连；所述编码器包括多头自注意力网络、第一残差网络、前馈网络和第二残差网络；其中，所述编码器的输入数据为所述多头自注意力网络的输入数据，所述第一残差网络的输入数据包括所述多头自注意力网络的输入数据和输出数据，所述前馈网络的输入数据为对所述第一残差网络的输出数据进行层标准化处理后的数据，所述第二残差网络的输入数据为所述前馈网络的输入数据和输出数据，所述编码器的输出数据为
5.如权利要求4所述的轴承故障诊断模型的训练方法，其特征在于，所述第二融合特征包括第一数据和第二数据，所述第一数据为带标签的第二融合特征，所述第二数据为不带标签的第二融合特征；所述基于所述第二融合特征，对预先建立的轴承故障诊断模型进行训练，包括：
6.如权利要求1所述的轴承故障诊断模型的训练方法，其特征在于，所述工况信号包括电流信号、功率信号和负载参数信号；所述故障类型包括内圈故障、外圈故障和润滑不良。
7.一种轴承故障诊断方法，其特征在于，包括：
8.一种轴承故障诊断模型的训练装置，其特征在于，包括：
9.一种电子设备，包括存储器和处理器，所述存储器中存储有可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至7任一项所述的方法。
10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7任一项所述的方法。
...【技术特征摘要】
1.一种轴承故障诊断模型的训练方法，其特征在于，包括：
2.如权利要求1所述的轴承故障诊断模型的训练方法，其特征在于，所述提取所述振动信号的初始频域特征，并将所述初始频域特征和所述振动信号融合，得到第一融合特征，包括：
3.如权利要求1所述的轴承故障诊断模型的训练方法，其特征在于，所述将所述第一融合特征、所述温度信号、所述转速信号、所述第一电机的工况信号融合，得到第二融合特征，包括：
4.如权利要求1所述的轴承故障诊断模型的训练方法，其特征在于，所述预先建立的轴承故障诊断模型包括编码器和第一全连接层；其中，所述编码器为多个，且多个所述编码器依次连接，最后一个编码器与所述第一全连接层相连；所述编码器包括多头自注意力网络、第一残差网络、前馈网络和第二残差网络；其中，所述编码器的输入数据为所述多头自注意力网络的输入数据，所述第一残差网络的输入数据包括所述多头自注意力网络的输入数据和输出数据，所述前馈网络的输入数据为对所述第一残差网络的输出数据进行层标准化处理后的数据，所述第二残差网络的输入数据为所述前馈网络的输入数据和输出数据，所述...
【专利技术属性】
技术研发人员：刘培培，潘志威，张公政，张宇，胡梦雅，黄泽阳，王建业，杜利达，
申请(专利权)人：河钢数字技术股份有限公司，
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。