【技术实现步骤摘要】
本专利技术涉及工程机械轴承诊断，尤其涉及一种电动挖掘机轴承故障诊断方法及装置。
技术介绍
1、电动挖掘机电机轴承在挖掘机运行中具有关键的负载和支撑功能，在各种环境和运行条件下发挥作用。电动挖掘机上的轴承必须能够承受巨大的载荷和振动，并展现出卓越的强度和抗疲劳性能。电动工程机械中，可靠地在复杂条件下运行是轴承所必需具备的特点，例如频繁启停、弯道斜坡等情况。考虑到所涉及货物重量巨大，轴承需要在高负载恶劣天气条件下有效工作。由于电动挖掘机轴承需要在恶劣环境下工作，因此容易发生故障。如果发生了故障，将影响挖掘机正常工作。因此，在实时监测电动挖掘机运行过程中进行轴承故障诊断至关重要，以确保挖掘机正常安全运营。
2、深度学习的故障诊断方法已被应用于挖掘机轴承故障诊断领域，并取得了显著成果。然而，深度学习方法在训练时需要大量标记数据，容易出现过拟合问题。由于电动挖掘机电机轴承故障样本稀缺且其工况复杂多变，在区域分布上存在明显差异，导致模型的诊断准确率较低且泛化性能不佳。因此，目前基于深度学习的故障诊断方法已无法满足电动挖掘机轴承故障诊断需求。
技术实现思路
1、本专利技术的目的在于提供一种电动挖掘机轴承故障诊断方法及装置，旨在解决现有的检测技术滞后导致诊断准确率低和模型泛化性差的问题。
2、为实现上述目的，第一方面，本专利技术提供了一种电动挖掘机轴承故障诊断方法，包括以下步骤：
3、利用加速度计获取电动挖掘机电机轴承振动信号；
4、对所述轴承振动信
5、对所述源域数据集和所述目标域数据集特征进行提取，得到查询集和支持集；
6、构建新型对抗性域自适应元学习网络模型；
7、使用所述支持集对所述新型对抗性域自适应元学习网络进行训练和优化，然后将所述查询集输入经过训练的所述新型对抗性域自适应元学习网络中得到诊断模型；
8、使用所述诊断模型对挖掘机轴承的故障进行分类诊断。
9、其中，在“对所述轴承振动信号进行标准化预处理，将数据分为源域数据集和目标域数据集，并包括支持集和查询集”中，包括：
10、使用归一化函数对轴承振动信号数据进行规范化处理，得到归一化数据；
11、将对应的轴承故障类型进行编号；
12、使用n-way k-shot的元学习训练策略将所述归一化数据分为源域数据集和目标域数据集。
13、其中，在“构建新型对抗性域自适应元学习网络”中，包括
14、搭建特征提取网路、度量分类器和领域识别器；
15、基于所述特征提取网路、所述度量分类器和所述领域识别器构建新型对抗性域自适应元学习网络。
16、其中，在“搭建特征提取网路、度量分类器和领域识别器”中，
17、所述特征提取网路由6个卷积块和1个轻量高效通道注意力模块组成，其中每个所述卷积块由一维卷积层、批量归一化层、激活函数层和池化层组成；
18、所述领域鉴别器由批量归一化层、relu激活函数层和线性层。
19、第二方面，一种电动挖掘机轴承故障诊断装置，用于第一方面所述的电动挖掘机轴承故障诊断方法，
20、包括轴承振动信号采集模块、轴承信号预处理模块、轴承信号特征提取模块和轴承故障诊断模块，所述轴承振动信号采集模块、所述轴承信号预处理模块、所述轴承信号特征提取模块和所述轴承故障诊断模块电性连接；
21、所述轴承振动信号采集模块，用于采集轴承振动信号；
22、所述轴承信号预处理模块，用于对所述轴承振动信号进行归一化预处理，将经过处理的数据分为源域数据和目标域数据，其中包括支持集和查询集；
23、所述轴承信号特征提取模块，用于将电动挖掘机电机轴承振动数据输入特征提取网络提取特征，并将提取的特征输出到高维度量空间中，通过距离函数计算预测样本与初始原型之间的距离；
24、所述轴承故障诊断模块，用于使用新型对抗性域自适应元学习网络对待测电动挖掘机电机轴承数据进行故障诊断。
25、本专利技术的一种电动挖掘机轴承故障诊断方法，包括以下步骤：利用加速度计获取电动挖掘机电机轴承振动信号；对所述轴承振动信号进行标准化预处理，将数据分为源域数据集和目标域数据集；对所述源域数据集和所述目标域数据集特征进行提取，得到查询集和支持集；构建新型对抗性域自适应元学习网络；使用所述支持集对所述新型对抗性域自适应元学习网络进行训练和优化，然后将所述查询集输入经过训练的所述新型对抗性域自适应元学习网络中得到诊断模型；使用所述诊断模型对挖掘机轴承故障的分类诊断。本专利技术的方法能够有效提高模型跨域故障诊断性能、提取特征信息能力强、结构简单、诊断速度快且准确率高，可实现智能化电动挖掘机轴承故障诊断，从而解决了现有的检测技术滞后导致诊断准确率低和模型泛化性差的问题。
本文档来自技高网...【技术保护点】
1.一种电动挖掘机轴承故障诊断方法，其特征在于，包括以下步骤：
2.如权利要求1所述的电动挖掘机轴承故障诊断方法，其特征在于，在“对所述轴承振动信号进行标准化预处理，将数据分为源域数据集和目标域数据集，并包括支持集和查询集”中，包括：
3.如权利要求2所述的电动挖掘机轴承故障诊断方法，其特征在于，在“构建新型对抗性域自适应元学习网络”中，包括
4.如权利要求3所述的电动挖掘机轴承故障诊断方法，其特征在于，在“搭建特征提取网路、度量分类器和领域识别器”中，
5.一种电动挖掘机轴承故障诊断装置，用于权利要求1-4任意一项所述的电动挖掘机轴承故障诊断方法，其特征在于，
【技术特征摘要】
1.一种电动挖掘机轴承故障诊断方法，其特征在于，包括以下步骤：
2.如权利要求1所述的电动挖掘机轴承故障诊断方法，其特征在于，在“对所述轴承振动信号进行标准化预处理，将数据分为源域数据集和目标域数据集，并包括支持集和查询集”中，包括：
3.如权利要求2所述的电动挖掘机轴承故障诊断方法...
【专利技术属性】
技术研发人员：贺德强，钟豪，姚作芳，靳震震，李先旺，韦泽贤，孙海猛，吴金鑫，付洋，
申请(专利权)人：广西大学，
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。