【技術實現步驟摘要】
本申請涉及電機軸承故障診斷領域，具體涉及一種電機軸承故障智能診斷系統及方法。
技術介紹
1、現代工業體系中，電機作為驅動各種機械設備運轉的核心部件，其運行狀態直接關系到整個生產系統的穩定性和效率。電機軸承作為電機的重要組成部分，承擔著支撐旋轉部件、減少摩擦和傳遞動力的關鍵作用。然而，由于長期運行、負載變化、潤滑不良、異物侵入等多種因素的影響，電機軸承容易發生磨損、裂紋、松動等故障，這些故障若不能及時發現并處理，不僅會導致電機性能下降，甚至可能引發嚴重的生產事故。
2、傳統的電機軸承故障診斷方法主要依賴于人工巡檢、定期維護和經驗判斷，這些方法存在主觀性強、效率低、成本高、難以發現早期故障等缺點。隨著工業4.0和智能制造的快速發展，對電機軸承故障診斷的智能化、自動化和實時性提出了更高要求。
3、因此，期待一種智能化的電機軸承故障診斷方法。
技術實現思路
1、考慮到以上問題而做出了本申請。本申請的一個目的是提供一種電機軸承故障智能診斷系統及方法。
2、本申請的實施例提供了一種電機軸承故障智能診斷方法，其包括：
3、獲取由安裝于電機軸承附件的振動傳感器采集的振動信號；
4、對所述振動信號進行ceemdan分解以得到振動信號imf分量的集合；
5、對所述振動信號imf分量的集合中的各個振動信號imf分量分別進行頻域特征提取以得到振動信號imf分量頻域特征向量的集合；
6、對所述振動信號imf分量頻域特征向量的
7、基于所述振動信號imf分量優化頻域特征向量的集合的全頻域聚合特征，確定電機軸承的故障類型。
8、例如，根據本申請的實施例的電機軸承故障智能診斷方法，其中，對所述振動信號imf分量的集合中的各個振動信號imf分量分別進行頻域特征提取以得到振動信號imf分量頻域特征向量的集合，包括：
9、將所述振動信號imf分量的集合中的各個振動信號imf分量分別輸入基于1d-cnn模型的分量頻域特征提取器以得到所述振動信號imf分量頻域特征向量的集合。
10、例如，根據本申請的實施例的電機軸承故障智能診斷方法，其中，對所述振動信號imf分量頻域特征向量的集合進行特征關聯優化以得到振動信號imf分量優化頻域特征向量的集合，包括：
11、將所述振動信號imf分量頻域特征向量的集合輸入基于序列內生相關性語義度量的特征關聯優化網絡以得到所述振動信號imf分量優化頻域特征向量的集合。
12、例如，根據本申請的實施例的電機軸承故障智能診斷方法，其中，將所述振動信號imf分量頻域特征向量的集合輸入基于序列內生相關性語義度量的特征關聯優化網絡以得到所述振動信號imf分量優化頻域特征向量的集合，包括：
13、計算所述振動信號imf分量頻域特征向量的集合中任意兩個振動信號imf分量頻域特征向量之間的語義關聯得分向量以得到振動信號imf分量頻域特征語義關聯得分向量的集合；
14、計算所述振動信號imf分量頻域特征語義關聯得分向量的集合的均值向量以得到集合內生相關性全局表示向量；
15、基于所述集合內生相關性全局表示向量，計算所述振動信號imf分量頻域特征向量的集合中的各個振動信號imf分量頻域特征向量的關聯優化因子以得到關聯優化因子的集合；
16、將所述關聯優化因子的集合輸入softmax激活函數以得到關聯優化權重因子的集合；
17、以所述關聯優化權重因子的集合中的各個關聯優化權重因子作為權重，分別對所述振動信號imf分量頻域特征向量的集合中的各個振動信號imf分量頻域特征向量進行加權以得到所述振動信號imf分量優化頻域特征向量的集合。
18、例如，根據本申請的實施例的電機軸承故障智能診斷方法，其中，計算所述振動信號imf分量頻域特征向量的集合中任意兩個振動信號imf分量頻域特征向量之間的語義關聯得分向量以得到振動信號imf分量頻域特征語義關聯得分向量的集合，包括：
19、將所述振動信號imf分量頻域特征向量的集合中任意兩個振動信號imf分量頻域特征向量進行級聯后乘以權重系數矩陣，再和偏置向量進行點加以得到所述振動信號imf分量頻域特征語義關聯得分向量。
20、例如，根據本申請的實施例的電機軸承故障智能診斷方法，其中，基于所述集合內生相關性全局表示向量，計算所述振動信號imf分量頻域特征向量的集合中的各個振動信號imf分量頻域特征向量的關聯優化因子以得到關聯優化因子的集合，包括：
21、將所述振動信號imf分量頻域特征向量和所述集合內生相關性全局表示向量分別乘以不同的權重系數向量后進行加法運算以得到語義關聯系數；
22、將所述語義關聯系數加上偏置參數后通過sigmoid激活函數以得到所述關聯優化因子。
23、例如，根據本申請的實施例的電機軸承故障智能診斷方法，其中，基于所述振動信號imf分量優化頻域特征向量的集合的全頻域聚合特征，確定電機軸承的故障類型，包括：
24、將所述振動信號imf分量優化頻域特征向量的集合進行級聯以得到振動信號全頻域特征向量；
25、將所述振動信號全頻域特征向量輸入基于分類器的故障診斷器以得到診斷結果，所述診斷結果用于表示故障類型標簽。
26、例如，根據本申請的實施例的電機軸承故障智能診斷方法，其中，將所述振動信號全頻域特征向量輸入基于分類器的故障診斷器以得到診斷結果，所述診斷結果用于表示故障類型標簽，包括：
27、使用所述基于分類器的故障診斷器的全連接層對所述振動信號全頻域特征向量進行全連接編碼以得到編碼分類特征向量；
28、將所述編碼分類特征向量輸入所述基于分類器的故障診斷器的softmax分類函數以得到所述診斷結果。
29、本申請的實施例還提供了一種電機軸承故障智能診斷系統，其包括：
30、振動信號獲取模塊，用于獲取由安裝于電機軸承附件的振動傳感器采集的振動信號；
31、信號分解模塊，用于對所述振動信號進行ceemdan分解以得到振動信號imf分量的集合；
32、頻域特征提取模塊，用于對所述振動信號imf分量的集合中的各個振動信號imf分量分別進行頻域特征提取以得到振動信號imf分量頻域特征向量的集合；
33、特征關聯優化模塊，用于對所述振動信號imf分量頻域特征向量的集合進行特征關聯優化以得到振動信號imf分量優化頻域特征向量的集合；
34、故障類型分析模塊，用于基于所述振動信號imf分量優化頻域特征向量的集合的全頻域聚合特征，確定電機軸承的故障類型。
35、例如，根據本申請的實施例的電機軸承故障智能診斷方法，其中，所述頻域特征提取模塊，用于：
36、將所述振動信號imf分量的集合中的各個振動信號imf分量分別輸入本文檔來自技高網...
【技術保護點】
1.一種電機軸承故障智能診斷方法，其特征在于，包括：
2.根據權利要求1所述的電機軸承故障智能診斷方法，其特征在于，對所述振動信號IMF分量的集合中的各個振動信號IMF分量分別進行頻域特征提取以得到振動信號IMF分量頻域特征向量的集合，包括：
3.根據權利要求2所述的電機軸承故障智能診斷方法，其特征在于，對所述振動信號IMF分量頻域特征向量的集合進行特征關聯優化以得到振動信號IMF分量優化頻域特征向量的集合，包括：
4.根據權利要求3所述的電機軸承故障智能診斷方法，其特征在于，將所述振動信號IMF分量頻域特征向量的集合輸入基于序列內生相關性語義度量的特征關聯優化網絡以得到所述振動信號IMF分量優化頻域特征向量的集合，包括：
5.根據權利要求4所述的電機軸承故障智能診斷方法，其特征在于，計算所述振動信號IMF分量頻域特征向量的集合中任意兩個振動信號IMF分量頻域特征向量之間的語義關聯得分向量以得到振動信號IMF分量頻域特征語義關聯得分向量的集合，包括：
6.根據權利要求5所述的電機軸承故障智能診斷方法，其特征在于，基于所述
7.根據權利要求6所述的電機軸承故障智能診斷方法，其特征在于，基于所述振動信號IMF分量優化頻域特征向量的集合的全頻域聚合特征，確定電機軸承的故障類型，包括：
8.根據權利要求7所述的電機軸承故障智能診斷方法，其特征在于，將所述振動信號全頻域特征向量輸入基于分類器的故障診斷器以得到診斷結果，所述診斷結果用于表示故障類型標簽，包括：
9.一種電機軸承故障智能診斷系統，其特征在于，包括：
10.根據權利要求9所述的電機軸承故障智能診斷系統，其特征在于，所述頻域特征提取模塊，用于：
...【技術特征摘要】
1.一種電機軸承故障智能診斷方法，其特征在于，包括：
2.根據權利要求1所述的電機軸承故障智能診斷方法，其特征在于，對所述振動信號imf分量的集合中的各個振動信號imf分量分別進行頻域特征提取以得到振動信號imf分量頻域特征向量的集合，包括：
3.根據權利要求2所述的電機軸承故障智能診斷方法，其特征在于，對所述振動信號imf分量頻域特征向量的集合進行特征關聯優化以得到振動信號imf分量優化頻域特征向量的集合，包括：
4.根據權利要求3所述的電機軸承故障智能診斷方法，其特征在于，將所述振動信號imf分量頻域特征向量的集合輸入基于序列內生相關性語義度量的特征關聯優化網絡以得到所述振動信號imf分量優化頻域特征向量的集合，包括：
5.根據權利要求4所述的電機軸承故障智能診斷方法，其特征在于，計算所述振動信號imf分量頻域特征向量的集合中任意兩個振動信號imf分量頻域特征向量之間的語義關聯...
【專利技術屬性】
技術研發人員：張偉，楊再軍，
申請(專利權)人：東莞市錦宏電機有限公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。