一种基于可听声信号的旋转机械故障诊断方法及装置制造方法及图纸

本发明专利技术公开了一种基于可听声信号的旋转机械故障诊断方法及装置。方法包括：使用滑动窗口方式对获取的旋转机械设备的原始可听声信号进行预处理，得到原始可听声信号样本集；采用多标签编码方式对原始可听声信号样本集中的每个样本打上对应的标签；对原始可听声信号样本集进行梅尔频谱图处理，生成输入数据集；对输入数据集进行样本数据增强，得到平衡数据集；根据预先构建的神经网络模型对平衡数据集及其对应的标签进行训练，获取故障分类模型，神经网络模型由多个卷积层和胶囊网络层构成；采用故障分类模型对待识别旋转机械设备的待识别可听声信号数据进行故障识别，确定待识别旋转机械设备的故障分类结果。

【技术实现步骤摘要】

本专利技术涉及旋转机械智能故障诊断，并且更具体地，涉及一种基于可听声信号的旋转机械故障诊断方法及装置。

技术介绍

1、在智能工业的背景下，现代旋转机械正朝着复杂性、精度、效率和智能化的方向发展。因此，对智能故障诊断(ifd)的研究已成为确保此类机械安全、高效和可靠运行的关键。近年来，利用深度学习的数据驱动方法引起了广泛关注，用于开发有效的智能监控和故障诊断模型，然而，这些方法主要依靠振动分析进行接触测量。与传统的基于振动的故障诊断方法相比，旋转机械的基于声学的智能故障诊断(aifd)利用麦克风捕获声学信号，具有几个明显的优势。首先，aifd可以实现非接触式和非侵入式测量，无需拆卸设备。其次，它在极端环境下表现出很强的适应性，例如高温或腐蚀性环境。第三，aifd的信号采集过程不受设备表面状况的影响，即使在油性、光滑或几何不规则的表面上也可以捕获声学信号。最后，aifd允许在不中断机械运行的情况下进行连续诊断，因为安装和诊断过程不会干扰正常运行。此外，作为第四次工业革命的关键技术驱动力，aifd近年来已成为一种非常有前途的旋转机械故障诊断技术。需要注意的是，现本文档来自技高网...

【技术保护点】

1.一种基于可听声信号的旋转机械故障诊断方法，其特征在于，包括：

2.根据权利要求1所述的方法，其特征在于，对所述原始可听声信号样本集进行梅尔频谱图处理，生成输入数据集，包括：

3.根据权利要求1所述的方法，其特征在于，所述分帧可听声信号fm(n)的计算公式为：

4.根据权利要求1所述的方法，其特征在于，对所述输入数据集进行样本数据增强，得到平衡数据集，包括：

5.根据权利要求4所述的方法，其特征在于，所述生成器包括五个反卷积层，每个反卷积层之后应用了批量归一化并使用ReLU激活函数引入非线性，并且前两层加入了残差块，所述判别器包括五个卷积...

【技术特征摘要】

1.一种基于可听声信号的旋转机械故障诊断方法，其特征在于，包括：

2.根据权利要求1所述的方法，其特征在于，对所述原始可听声信号样本集进行梅尔频谱图处理，生成输入数据集，包括：

3.根据权利要求1所述的方法，其特征在于，所述分帧可听声信号fm(n)的计算公式为：

4.根据权利要求1所述的方法，其特征在于，对所述输入数据集进行样本数据增强，得到平衡数据集，包括：

5.根据权利要求4所述的方法，其特征在于，所述生成器包括五个反卷积层，每个反卷积层之后应用了批量归一化并使用relu激活函数引入非线性，并且前两层加入了残差块，所述判别器包括五个卷积层，并引入leakyrelu激活函数...

【专利技术属性】
技术研发人员：杨随先，涂凤秒，张堂莉，刘涛，张顶成，
申请(专利权)人：四川大学，
类型：发明
国别省市：