一种旋转机械故障诊断方法及系统技术方案

本发明专利技术公开了一种旋转机械故障诊断方法及系统，属于故障诊断技术领域。其方法包括：获取旋转机械的振动信号；将旋转机械的振动信号输入预先构建的故障诊断模型，输出旋转机械的故障诊断结果；其中，故障诊断模型包括依次连接的元图构建层、层次化注意力聚合层和分类层，在元图构建层中，根据旋转机械的振动信号构建信号元图；在层次化注意力聚合层中，对信号元图进行双通道信号特征提取，得到信号元图的节点特征矩阵；对信号元图的节点特征矩阵进行多通道信号特征提取，得到多通道信号特征矩阵；在分类层中，对多通道信号特征进行分类，得到旋转机械的故障诊断结果。本发明专利技术能够实现多通道振动信号的时空融合，分类准确率更高。

【技术实现步骤摘要】

本专利技术涉及故障诊断，尤其是涉及一种旋转机械故障诊断方法及系统。

技术介绍

1、随着智能诊断技术的不断发展，反向传播（back propagation，bp）神经网络、径向基网络（radial basis function network ，rbfn）等浅层神经网络模型凭借其低计算开销、强可解释性及对中小规模数据的高效建模能力已经在机械故障诊断中取得了一定的成果；深层神经网络如卷积神经网络（convolutional neural network，cnn）、循环神经网络（recurrent neural network，rnn）等模型的发展进一步推动了智能诊断技术的提升。

2、以上的智能诊断算法具有一定的信号特征提取能力，但是在融合多通道传感器信号方面存在一定的瓶颈，而复杂机械故障往往由多个子系统互相影响造成，仅仅依靠单通道振动信号难以全面表征系统的退化状态。因此，亟需通过整合复杂装备的多通道振动信号，实现故障敏感特征的定向增强。

技术实现思路

1、本专利技术的目的在于克服现有技术中的不足，提供本文档来自技高网...

【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：

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，根据所述旋转机械的振动信号构建信号异构图，包括：

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，所述频域特征对应频率点上幅值的欧氏距离的计算包括：

4.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，所述信号异构图的邻接矩阵表示为：

5.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，根据所述信号异构图构建信号元图，包括：

6.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，对所述信号元图进行...

【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：

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，根据所述旋转机械的振动信号构建信号异构图，包括：

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，所述频域特征对应频率点上幅值的欧氏距离的计算包括：

4.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，所述信号异构图的邻接矩阵表示为：

5.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，根据所述信号异构图构建信号元图，包括：

6.根据权利要求1所述的...

【专利技术属性】
技术研发人员：侯银川，唐建，庞鹏飞，芮挺，代菊英，张详坡，张靖，张浩，李欣欣，
申请(专利权)人：中国人民解放军陆军工程大学，
类型：发明
国别省市：