一种旋转机械故障诊断方法、系统及设备技术方案

本发明专利技术公开了一种旋转机械故障诊断方法、系统及设备，属于故障诊断技术领域，获取轴承不同故障状态下的传感器信号，作为样本数据并构造训练集；将各个样本作为图的节点，将样本的跨域多空间特征作为节点的属性特征；利用结构关联图生成器，提取样本的跨域多空间特征，通过计算跨域多空间特征的相似度，构建属性关联图，并提取属性关联图的节点社区特征；构建用于轴承诊断的故障诊断模型，通过融合样本的多视角信息，得到节点的隐空间特征，通过构造多条件损失约束，约束样本学习相似样本节点的信息，使用训练集对故障诊断模型进行训练；将样本节点代入训练后的故障诊断模型，进行样本间标签传递，获得故障分类结果。该方法能够深入挖掘多种关联图的深层次信息，使得有标签样本的标签可以高效传递，得到的故障分类结果更加准确。

【技术实现步骤摘要】

本专利技术涉及故障诊断，更具体的涉及一种半监督的旋转机械智能故障诊断方法、系统及设备。

技术介绍

1、旋转机械作为现代机械设备的关键部件，广泛应用于航空航天、电力、机械制造等领域，随着机械设备向高速化、复杂化方向发展，机械系统安全性的不确定性也相应增加。一旦旋转机械发生故障，系统的正常运行将受到影响，带来经济损失和严重事故。因此，准确、及时的完成旋转机械(尤其是其核心部件，如轴承、齿轮等)的机械故障检测，是保证作业过程安全、避免人员伤亡的关键。

2、机械设备一旦发生故障，就会立即停机，其故障状态下的样本较少，因此研究有限标记样本下的机械故障诊断就显得尤为必要。近年来，随着人工智能的发展，基于图表示学习方法的半监督机械故障诊断成为研究新方向，图作为一种独特的非欧数据结构，通过将输入样本构造成关联图，可以获得样本之间的关联关系，通过图表示学习的图数据处理方法提取样本之间的关系，从而获取到标记数据与未标记数据之间的联系，最终使用有限标记样本半监督的完成故障诊断，现阶段在旋转机械智能诊断领域应用最广泛的方法为图表示学习的分支之一的图神经网络。

<本文档来自技高网...

【技术保护点】

1.一种旋转机械故障诊断方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的旋转机械故障诊断方法，其特征在于，还包括对传感器信号进行降噪处理，包括以下步骤：

3.根据权利要求2所述的旋转机械故障诊断方法，其特征在于，所述提取样本的跨域多空间特征，包括以下步骤：

4.根据权利要求3所述的旋转机械故障诊断方法，其特征在于，所述提取属性关联图的节点社区特征，包括以下步骤：

5.根据权利要求4所述的旋转机械故障诊断方法，其特征在于，所述特征融合的过程，包括以下步骤：

6.根据权利要求5所述的旋转机械故障诊断方法，其特征在于，所述节...

【技术特征摘要】

1.一种旋转机械故障诊断方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的旋转机械故障诊断方法，其特征在于，还包括对传感器信号进行降噪处理，包括以下步骤：

3.根据权利要求2所述的旋转机械故障诊断方法，其特征在于，所述提取样本的跨域多空间特征，包括以下步骤：

4.根据权利要求3所述的旋转机械故障诊断方法，其特征在于，所述提取属性关联图的节点社区特征，包括以下步骤：

5.根据权利要求4所述的旋转机械故障诊断方法，其特征在于，所述特征融合的过程，包括以下步骤：

6.根据权利要...

【专利技术属性】
技术研发人员：曹现刚，杨鑫，张鑫媛，赵福媛，赵江滨，段雍，高佳俊，史可欣，王绪龙，程博洋，
申请(专利权)人：西安科技大学，
类型：发明
国别省市：