【技術(shù)實現(xiàn)步驟摘要】
本專利技術(shù)屬于滾動軸承故障診斷，尤其涉及基于包絡譜的零樣本滾動軸承復合故障診斷系統(tǒng)及方法。
技術(shù)介紹
1、滾動軸承作為機械設備中不可或缺的核心部件，在傳動系統(tǒng)中起著重要的作用。然而，在長時間高速運轉(zhuǎn)和惡劣工況下，滾動軸承可能會發(fā)生各種故障，導致設備性能下降、壽命縮短，甚至引發(fā)嚴重事故。滾動軸承的復合故障，即多種故障同時或連續(xù)發(fā)生，更是可能進一步加劇設備的損壞并帶來潛在的安全風險，因此，軸承復合故障診斷的重要性日益顯現(xiàn)。故障診斷是確保設備可靠運行的關(guān)鍵環(huán)節(jié)。軸承復合故障的診斷尤為復雜，因為它不僅涉及到軸承本身的結(jié)構(gòu)和工作原理，還受到周圍環(huán)境和運行條件的影響。在復雜的工作環(huán)境下，軸承可能會遭受振動、沖擊、高溫、潤滑不良等多種應力，進而引發(fā)不同類型的故障，相互耦合的故障更增加了故障診斷的難度，所以針對軸承復合故障開發(fā)一種有效的診斷算法變得尤為重要。
2、在解決復雜系統(tǒng)的復合故障問題上，現(xiàn)有方法需要的大量復合故障樣本，但是工廠或系統(tǒng)通常不會容許同時發(fā)生多種故障，因此無法直接獲取足夠多的復合故障數(shù)據(jù)用于分析與訓練。這限制了現(xiàn)有方法的適用范圍。
技術(shù)實現(xiàn)思路
1、本專利技術(shù)目的在于提供一種基于包絡譜的零樣本滾動軸承復合故障診斷系統(tǒng)及方法，以解決現(xiàn)有方法無法直接獲取足夠多的復合故障數(shù)據(jù)用于分析與訓練的技術(shù)問題。
2、為實現(xiàn)上述目的，本專利技術(shù)的基于包絡譜的零樣本滾動軸承復合故障診斷系統(tǒng)及方法的具體技術(shù)方案如下：
3、一種基于包絡譜語義構(gòu)建的零樣本滾動軸承復合故
4、所述信號預處理模塊，從原始振動信號中截取連續(xù)的數(shù)據(jù)段，然后計算每一段信號的包絡譜，將其轉(zhuǎn)換為一維頻域信號；
5、所述語義構(gòu)建模塊，計算包絡譜提取了信號的頻域特征，然后設計了富含類別信息的故障語義，所述故障語義由明確和隱含的故障特征構(gòu)建而成，語義構(gòu)建模塊是實現(xiàn)故障語義構(gòu)建的模塊，所述語義構(gòu)建模塊進行故障語義構(gòu)建的方法包括以下兩個步驟：
6、步驟一、單一故障語義構(gòu)建：
7、首先，對經(jīng)過處理的頻域信號進行歸一化處理，處理過后的故障信號為可以表示為公式(5)：
8、
9、然后，我們將振幅的最大值分成ε個等份，ε是等分份數(shù)，每個等份的上限作為閾值，如公式(6)所示：
10、t＝max(z1，z2，z3，......zn)*(1/ε)???(6)
11、如果zi小于t，則將zi設為0；如果zi大于等于t且小于2t，則將維度zi設為t，以此類推，構(gòu)建得到單一故障的語義，如公式(7)所示：
12、
13、最后將閾值處理過的歸一化；
14、步驟二、復合故障語義構(gòu)建：
15、通過公式(8)將幾個單一故障的語義向量相加，就能得到復合故障的語義向量：
16、
17、其中，中的上標表示復合故障語義由幾個單一故障語義構(gòu)成，例如代表由第i個1類故障的語義和第i個2類故障語義疊加構(gòu)成；
18、所述特征提取模塊接收故障的一維頻域信號作為輸入，首先，通過對頻域信號進行分類，用于訓練特征提取模塊的參數(shù)θ，其次，一旦參數(shù)θ被訓練好，特征提取模塊將利用這些參數(shù)將輸入的信號通過最后一個全連接層映射到特征空間中，最后一個全連接層的輸出被選為fcv(s)；則第k類第i個單一故障的可以表示為：
19、
20、其中，c(·)表示特征提取模塊的函數(shù)；
21、所述語義嵌入模塊，以單一故障語義作為輸入，通過公式將其映射到語義空間中；接著，將該故障語義對應的頻域信號輸入到特征提取模塊，通過公式將其映射到特征空間中。
22、本專利技術(shù)還提供了一種基于包絡譜的零樣本滾動軸承復合故障診斷方法，包括以下步驟：
23、步驟s1、先對滾動軸承的振動信號進行數(shù)據(jù)處理得到包絡譜，然后通過一個基于卷積神經(jīng)網(wǎng)絡的特征提取器，從一維信號中提取與故障相關(guān)的特征：
24、具體為，通過對訓練樣本和對應的標簽進行訓練，建立一個cnn模型通過公式(1)優(yōu)化模型參數(shù)θ來準確預測單一故障的類別，最小化預測結(jié)果與真實標簽之間的差異：
25、
26、步驟s2、隨后通過一個基于先驗知識的故障語義嵌入模塊，將復合故障的語義向量嵌入到語義空間中，作為各個類別的中心：
27、具體為，建立一個cnn模型d(ms；γ)，利用已經(jīng)訓練好的模型c(xs；θ)優(yōu)化模型c與模型d結(jié)果的空間相似度，以建立單一故障在特征空間和語義空間之間的匹配關(guān)系：
28、
29、步驟s3、最利用歐式距離來比較復合故障特征與各個類別中心之間的相似度，通過計算相似度，準確地識別未知的復合故障：
30、具體為，通過構(gòu)造單一故障語義集合ms得到復合故障語義集合mc，和測試集合xc一起輸入已經(jīng)優(yōu)化好的模型c(xc；θ)和模型d(mc；γ)中，通過最小化復合故障在特征空間中的映射和在語義空間中映射的空間相似度，實現(xiàn)對未知復合故障的分類；
31、l1公式如下：
32、
33、其中，θ是特征提取模塊的網(wǎng)絡參數(shù)，yi表示真實的標簽，pi表示模型預測的類別為i的概率值；
34、l2公式如下：
35、
36、其中，γ是語義嵌入模塊的網(wǎng)絡參數(shù)，n是單一故障數(shù)據(jù)的總數(shù)，yi是某單一故障的在特征空間中的映射，是該故障在語義空間中的映射。
37、本專利技術(shù)的基于包絡譜的零樣本滾動軸承復合故障診斷系統(tǒng)及方法具有以下優(yōu)點：
38、(1)將包絡譜與神經(jīng)網(wǎng)絡相結(jié)合，利用包絡譜對故障信號進行預處理，有效地增強了故障特征。這一方法使得模型能夠更好地捕捉軸承故障的特征，從而提高了故障診斷的準確性。
39、(2)通過充分利用信號包絡譜的物理意義，精確地構(gòu)建了單一故障和復合故障的語義表示。這一方法為特征空間和語義空間的遷移提供了堅實的理論基礎(chǔ)，增強了遷移過程的可靠性和準確性。
40、本專利技術(shù)填補了現(xiàn)有方法在復雜場景下的不足，為復合故障問題提供一種全新的思路和解決方案。通過將先進的機器學習技術(shù)與領(lǐng)域知識相結(jié)合，突破了樣本獲取的瓶頸，實現(xiàn)對復合故障的準確、高效診斷，為工業(yè)設備的運維和管理帶來創(chuàng)新性的突破。
本文檔來自技高網(wǎng)...【技術(shù)保護點】
1.一種基于包絡譜的零樣本滾動軸承復合故障診斷系統(tǒng)，其特征在于，包括信號預處理模塊、語義構(gòu)建模塊、特征提取模塊和語義嵌入模塊；
2.一種基于包絡譜的零樣本滾動軸承復合故障診斷方法，其特征在于，包括以下步驟：
【技術(shù)特征摘要】
1.一種基于包絡譜的零樣本滾動軸承復合故障診斷系統(tǒng)，其特征在于，包括信號預處理模塊、語義構(gòu)建模塊、特征提取模塊...
【專利技術(shù)屬性】
技術(shù)研發(fā)人員：甄冬，孫赫明，馮國金，張浩，梁小夏，田少寧，
申請(專利權(quán))人：河北工業(yè)大學，
類型：發(fā)明
國別省市：
還沒有人留言評論。發(fā)表了對其他瀏覽者有用的留言會獲得科技券。