【技术实现步骤摘要】
本申请涉及航空发动机轴承故障诊断，特别是涉及一种航空发动机主轴承故障诊断方法及系统。
技术介绍
1、航空发动机作为具有高度复杂性和精密性的热力旋转机械，其安全性和可靠性对于整个飞行平台的安全至关重要。航空发动机转子主轴承长期工作在高温、高转速、高负荷的恶劣环境中，极易出现故障。目前主要通过振动传感器来检测主轴承因损伤引起的振动信号，其具有信号传递路径复杂、受背景环境噪声影响大、振动干扰强烈、样本的故障特征微弱不易提取的特点。传统的振动信号处理方法通过简单的滤波去噪和时频分析，更多地依赖人工经验，难以直接有效提取轴承早期故障特征。近年来，卷积神经网络(convolutional neural networks，cnn)在轴承故障诊断方面得到了广泛认可和普遍应用，卷积神经网络可以直接从原始数据中进行特征提取和深度学习，其特征提取能力远超于人工经验分析，并且能够进一步实现端到端的学习，即可以直接实现从原始数据端的学习映射到故障分类判别。
2、但是，在实际应用时，仍需要人工进行反复实验来设计cnn网络和设置相关的参数，需要花费大量人工调试时间且依赖于人工经验，并且由于振动信号不同故障特征所处位置和所占比重不一样，再加上外加噪声等外界因素的影响，因此单一尺度的卷积层很难提取并识别振动信号有效特征，识别能力有待提高。
3、因此，在利用卷积神经网络对航空发动机主轴承进行故障诊断时，如何提升故障识别效果，同时减少人工调试的时间和对人工经验的依赖，是本领域技术人员亟待解决的技术问题。
技术实现思
1、为解决上述技术问题，本申请提供一种航空发动机主轴承故障诊断方法，能够提升故障识别效果，同时减少人工调试的时间和对人工经验的依赖。本申请还提供一种航空发动机主轴承故障诊断系统，具有相同的技术效果。
2、本申请的第一个目的为提供一种航空发动机主轴承故障诊断方法。
3、本申请的上述申请目的一是通过以下技术方案得以实现的：
4、一种航空发动机主轴承故障诊断方法，包括：
5、获取振动传感器采集的航空发动机主轴承的振动信号；
6、对所述振动信号进行分解与降噪处理，得到第一处理信号；
7、对所述第一处理信号进行预处理，得到第二处理信号；
8、将所述第二处理信号划分为训练集、验证集和测试集；
9、获取预先构建的多尺度一维卷积神经网络，并根据所述训练集、所述验证集和粒子群算法，确定所述多尺度一维卷积神经网络的目标网络参数；
10、根据所述目标网络参数和所述多尺度一维卷积神经网络，建立故障诊断模型；
11、利用所述训练集，对所述故障诊断模型进行训练，得到训练好的故障诊断模型；
12、利用所述训练好的故障诊断模型，对所述测试集进行诊断分析，得到故障诊断结果；
13、其中，所述多尺度一维卷积神经网络包括依次连接的输入层、多个特征提取层、全连接层和输出层，每个所述特征提取层包括依次连接的多尺度卷积层和池化层，前一个所述特征提取层中的所述池化层与后一个所述特征提取层中的所述多尺度卷积层连接，第一个所述特征提取层中的所述多尺度卷积层与所述输入层连接，最后一个所述特征提取层中的所述池化层与所述全连接层连接；
14、所述目标网络参数包括所述多尺度一维卷积神经网络中所述特征提取层的数目和每个所述多尺度卷积层中卷积核的数目。
15、优选地，所述航空发动机主轴承故障诊断方法中，所述对所述振动信号进行分解与降噪处理，得到第一处理信号，包括：
16、利用自适应噪声完备集成经验模态分解算法，对所述振动信号进行分解与降噪处理，得到第一处理信号。
17、优选地，所述航空发动机主轴承故障诊断方法中，所述利用自适应噪声完备集成经验模态分解算法，对所述振动信号进行分解与降噪处理，得到第一处理信号，包括：
18、在所述振动信号中添加成对的正负白噪声，得到加入噪声后的信号，并对所述加入噪声后的信号，利用经验模态分解算法进行分解，得到第一阶的内涵模态分量和第一阶的残留噪声，具体为：
19、
20、
21、
22、式中，x(t)表示所述振动信号，t表示时间，φ表示噪声幅值权重，vi表示呈标准分布的白噪声，q表示添加的正负白噪声，c1(t)表示所述第一阶的内涵模态分量，r1(t)表示所述第一阶的残留噪声，e(·)表示利用经验模态分解算法进行分解的函数，表示所述第一阶的内涵模态分量的平均值，n表示所述第一阶的内涵模态分量的数目；
23、根据所述第一阶的残留噪声，计算出下一阶的残留噪声，直到计算出的第k阶的残留噪声为单调函数，且无法继续分解时，输出分解后的第一处理信号，具体为：
24、
25、式中，表示第k阶的内涵模态分量的平均值，rk(t)为第k阶的残留噪声。
26、优选地，所述航空发动机主轴承故障诊断方法中，所述对所述第一信号进行预处理，得到第二处理信号，包括：
27、对所述第一处理信号进行幅度归一化处理，得到归一化信号；
28、对所述归一化信号进行去均值处理，得到第二处理信号。
29、优选地，所述航空发动机主轴承故障诊断方法中，所述幅度归一化处理的计算公式如下：
30、
31、式中，表示所述归一化信号，x(t)'表示所述第一处理信号。
32、优选地，所述航空发动机主轴承故障诊断方法中，所述对所述归一化信号进行去均值处理，得到第二处理信号，包括：
33、根据所述归一化信号，计算得到所述归一化信号的平均值；
34、将所述归一化信号，减去所述归一化信号的平均值，得到第二处理信号。
35、优选地，所述航空发动机主轴承故障诊断方法中，所述根据所述训练集、所述验证集和粒子群算法，确定所述多尺度一维卷积神经网络的目标网络参数，包括：
36、初始化粒子群算法参数，包括：粒子数目、粒子位置、粒子速度以及最大迭代次数，其中，粒子位置对应所述多尺度一维卷积神经网络中所述特征提取层的数目和每个所述多尺度卷积层中卷积核的数目，粒子速度对应所述多尺度一维卷积神经网络中所述特征提取层的数目和每个所述多尺度卷积层中卷积核的数目更新的大小和方向；
37、利用所述训练集，分别对每个粒子对应的所述多尺度一维卷积神经网络进行训练，得到每个粒子对应的训练后的多尺度一维卷积神经网络；
38、利用所述验证集，分别对每个粒子对应的训练后的多尺度一维卷积神经网络进行验证，得到每个粒子对应的训练后的多尺度一维卷积神经网络的分类正确率，作为每个粒子对应的适应度；
39、判断当前迭代次数是否达到最大迭代次数以及粒子对应的适应度是否达到预设的适应度阈值，
40、若当前迭代次数未达到最大迭代次数且当前粒子对应的适应度未达到预设的适应度阈值，则根据每个粒子对应的适应度，本文档来自技高网...
【技术保护点】
1.一种航空发动机主轴承故障诊断方法，其特征在于，包括：
2.如权利要求1中所述的方法，其特征在于，所述对所述振动信号进行分解与降噪处理，得到第一处理信号，包括：
3.如权利要求2中所述的方法，其特征在于，所述利用自适应噪声完备集成经验模态分解算法，对所述振动信号进行分解与降噪处理，得到第一处理信号，包括：
4.如权利要求1中所述的方法，其特征在于，所述对所述第一信号进行预处理，得到第二处理信号，包括：
5.如权利要求4中所述的方法，其特征在于，所述幅度归一化处理的计算公式如下：
6.如权利要求4中所述的方法，其特征在于，所述对所述归一化信号进行去均值处理，得到第二处理信号，包括：
7.如权利要求1中所述的方法，其特征在于，所述根据所述训练集、所述验证集和粒子群算法，确定所述多尺度一维卷积神经网络的目标网络参数，包括：
8.如权利要求7中所述的方法，其特征在于，设有M个粒子，每个粒子有D维向量，其中：
9.如权利要求1中所述的方法，其特征在于，所述多尺度卷积层，用于通过多个不同尺度的卷
10.如权利要求9中所述的方法，其特征在于，所述池化层，用于对输入数据进行子采样，以减少输入数据的空间维度，所述池化层运算公式如下：
11.如权利要求1中所述的方法，其特征在于，所述全连接层，用于通过Softmax多分类器完成分类输出，其中，设有z类的分类类别，Softmax多分类器的表达式如下：
12.一种航空发动机主轴承故障诊断系统，其特征在于，包括：
13.如权利要求12中所述的系统，其特征在于，所述第一处理单元，在执行所述对所述振动信号进行分解与降噪处理，得到第一处理信号时，具体用于：
14.如权利要求12中所述的系统，其特征在于，所述第二处理单元，在执行所述对所述第一信号进行预处理，得到第二处理信号时，具体用于：
15.如权利要求12中所述的系统，其特征在于，所述确定单元，在执行所述根据所述训练集、所述验证集和粒子群算法，确定所述多尺度一维卷积神经网络的目标网络参数时，具体用于：
...【技术特征摘要】
1.一种航空发动机主轴承故障诊断方法，其特征在于，包括：
2.如权利要求1中所述的方法，其特征在于，所述对所述振动信号进行分解与降噪处理，得到第一处理信号，包括：
3.如权利要求2中所述的方法，其特征在于，所述利用自适应噪声完备集成经验模态分解算法，对所述振动信号进行分解与降噪处理，得到第一处理信号，包括：
4.如权利要求1中所述的方法，其特征在于，所述对所述第一信号进行预处理，得到第二处理信号，包括：
5.如权利要求4中所述的方法，其特征在于，所述幅度归一化处理的计算公式如下：
6.如权利要求4中所述的方法，其特征在于，所述对所述归一化信号进行去均值处理，得到第二处理信号，包括：
7.如权利要求1中所述的方法，其特征在于，所述根据所述训练集、所述验证集和粒子群算法，确定所述多尺度一维卷积神经网络的目标网络参数，包括：
8.如权利要求7中所述的方法，其特征在于，设有m个粒子，每个粒子有d维向量，其中：
9.如权利要求1中所述的方法，其特征在于，所述多尺度...
【专利技术属性】
技术研发人员：黄贵发，曾承志，李修文，龚妙，金贻涛，杨荣华，
申请(专利权)人：唐智科技湖南发展有限公司，
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。