【技术实现步骤摘要】
本公开涉及滚动轴承领域，具体地，涉及一种滚动轴承故障诊断方法、装置、存储介质及电子设备。
技术介绍
1、滚动轴承是旋转机械设备中的常用零部件，其健康状态与设备运行的稳定性密切相关。然而，滚动轴承在运行过程中常常出现故障，容易引发安全问题，大大增加维护成本。因此，准确诊断滚动轴承的故障在生产过程中有着重要意义。现有技术中，目前能够通过深度学习算法提取特征，进行滚动轴承故障诊断，但由于故障信号的非线性和非平稳特性，直接从原始信号中提取特征时受限，提取到的特征缺乏针对性，可能导致诊断结果的准确性降低，并且模型参数的选择和调整大多依赖经验或手动调优，也使得诊断模型的泛化能力和适应性不高。
技术实现思路
1、本公开的目的是提供一种滚动轴承故障诊断方法、装置、存储介质及电子设备，以解决上述技术问题。
2、为了实现上述目的，本公开实施例的第一方面提供一种滚动轴承故障诊断方法，所述方法包括：
3、获取滚动轴承在多个振动状态下的样本数据集；
4、对所述样本数据集中的第一振动信号进行处理，得到处理后的重构信号；
5、通过预设算法对etcn模型进行优化处理，得到优化后的etcn故障诊断模型；其中，所述etcn模型为核扩大时间卷积网络模型；
6、将所述重构信号输入所述etcn故障诊断模型进行故障类型的识别和分类。
7、可选地，所述获取滚动轴承在多个振动状态下的样本数据集，包括：
8、采集滚动轴承在多个振动状态下的振动数据；
9、通过数据重叠分割方法对所述振动数据进行分割处理，将分割处理后的振动数据形成所述样本数据集。
10、可选地，所述对所述样本数据集中的第一振动信号进行处理，得到处理后的重构信号，包括：
11、利用集成经验模态分解方法对所述第一振动信号进行多尺度分解，得到多个固有模态函数分量；
12、从所述多个固有模态函数中确定至少一个目标固有模态函数分量；
13、将所述至少一个目标固有模态函数分量进行重构，得到所述处理后的重构信号。
14、可选地，所述利用集成经验模态分解方法对所述第一振动信号进行多尺度分解，得到多个固有模态函数分量，包括：
15、在原始振动信号中加入设定幅值的高斯白噪声，形成第二振动信号；
16、通过经验模态分解方法对所述第二振动信号进行分解，得到所述多个固有模态函数分量。
17、可选地，所述从所述多个固有模态函数中确定至少一个目标固有模态函数分量，包括：
18、确定每个固有模态函数分量的混合熵值；
19、基于所述每个固有模态函数分量的混合熵值，根据预设条件确定所述至少一个目标固有模态函数分量。
20、可选地，所述确定每个所述固有模态函数分量的混合熵值，包括：
21、分别确定每个所述固有模态函数分量的相对熵值、交叉熵值和信息熵值；
22、通过设定方式对所述相对熵值、交叉熵值和信息熵值进行运算，以得到所述混合熵值。
23、可选地，所述基于所述每个固有模态函数分量的混合熵值，根据预设条件确定所述至少一个目标固有模态函数分量，包括：
24、根据原始信号与所述固有模态函数分量之间的分布差异和信息损失，以及固有模态函数分量包含的信息量，在所述多个固有模态函数中进行筛选，确定所述至少一个目标固有模态函数分量。
25、可选地，所述预设算法为鲸鱼优化算法，所述对etcn模型进行优化处理，得到优化后的etcn故障诊断模型，包括：
26、对时间卷积模型进行核扩大操作，得到所述etcn模型；
27、通过鲸鱼优化算法对所述etcn模型的计算参数进行调整，所述计算参数包括学习率、神经元数量和卷积层数中的一种或多种。
28、本公开实施例的第二方面提供一种滚动轴承故障诊断装置，所述装置包括：
29、获取模块，用于获取滚动轴承在多个振动状态下的样本数据集；
30、信号处理模块，用于对所述样本数据集中的振动信号进行处理，得到处理后的重构信号；
31、优化处理模块，用于通过预设算法对etcn模型进行优化处理，得到优化后的etcn故障诊断模型；
32、诊断模块，用于将所述重构信号输入所述etcn故障诊断模型进行故障类型的识别和分类。
33、本公开实施例的第三方面提供一种非临时性计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现本公开第一方面中任一项所述方法的步骤。
34、本公开实施例的第四方面提供一种电子设备，包括：
35、存储器，其上存储有计算机程序；
36、处理器，用于执行所述存储器中的所述计算机程序，以实现本公开第一方面中任一项所述方法的步骤。
37、本公开实施例的第五方面提供一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现本公开第一方面中任一项所述的方法的步骤。
38、在上述技术方案中，首先获取滚动轴承在多个振动状态下的样本数据集，对该样本数据集中的第一振动信号进行处理，得到处理后的重构信号，再通过预设算法对etcn模型进行优化处理，得到优化后的etcn故障诊断模型，其中，该etcn模型为核扩大时间卷积网络模型，之后将该重构信号输入该etcn故障诊断模型进行故障类型的识别和分类。通过上述技术方案，对振动信号进行重构，对核扩大时间卷积网络模型进行优化，将重构信号输入优化后的故障诊断模型中进行故障类型的识别和分类，能够提高诊断模型的泛化能力和适应性，从而能够提高滚动轴承故障诊断结果的准确率。
39、本公开的其他特征和优点将在随后的具体实施方式部分予以详细说明。
本文档来自技高网...【技术保护点】
1.一种滚动轴承故障诊断方法，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，所述获取滚动轴承在多个振动状态下的样本数据集，包括：
3.根据权利要求1所述的方法，其特征在于，所述对所述样本数据集中的第一振动信号进行处理，得到处理后的重构信号，包括：
4.根据权利要求3所述的方法，其特征在于，所述利用集成经验模态分解方法对所述第一振动信号进行多尺度分解，得到多个固有模态函数分量，包括：
5.根据权利要求3所述的方法，其特征在于，所述从所述多个固有模态函数中确定至少一个目标固有模态函数分量，包括：
6.根据权利要求5所述的方法，其特征在于，所述确定每个所述固有模态函数分量的混合熵值，包括：
7.根据权利要求5所述的方法，其特征在于，所述基于所述每个固有模态函数分量的混合熵值，根据预设条件确定所述至少一个目标固有模态函数分量，包括：
8.根据权利要求1所述的方法，其特征在于，所述预设算法为鲸鱼优化算法，所述对ETCN模型进行优化处理，得到优化后的ETCN故障诊断模型，包括：
...【技术特征摘要】
1.一种滚动轴承故障诊断方法，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，所述获取滚动轴承在多个振动状态下的样本数据集，包括：
3.根据权利要求1所述的方法，其特征在于，所述对所述样本数据集中的第一振动信号进行处理，得到处理后的重构信号，包括：
4.根据权利要求3所述的方法，其特征在于，所述利用集成经验模态分解方法对所述第一振动信号进行多尺度分解，得到多个固有模态函数分量，包括：
5.根据权利要求3所述的方法，其特征在于，所述从所述多个固有模态函数中确定至少一个目标固有模态函数分量，包括：
6.根据权利要求5所述的方法，其特征在于，所述确定每个所述固有模态函数分量的混合熵值，包括：
7.根据权利...
【专利技术属性】
技术研发人员：刘同干，孙建，范永胜，秦宁，杨洪武，吴东黎，刘跃东，陆晔，顾炜，
申请(专利权)人：国家能源集团泰州发电有限公司，
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。