【技術(shù)實(shí)現(xiàn)步驟摘要】
本專利技術(shù)屬于滾動(dòng)軸承故障診斷領(lǐng)域，涉及一種故障檢測方法，具體是一種用于滾動(dòng)軸承的多傳感器信息融合故障診斷的系統(tǒng)及方法。
技術(shù)介紹
1、滾動(dòng)軸承是機(jī)械設(shè)備的“關(guān)節(jié)”，起著承受載荷和傳遞運(yùn)動(dòng)的關(guān)鍵作用。一旦軸承發(fā)生故障，將影響整個(gè)設(shè)備的安全運(yùn)行，甚至造成無法估量的災(zāi)害。因此，對軸承狀態(tài)進(jìn)行監(jiān)測診斷具有重要意義。傳統(tǒng)基于單個(gè)傳感器的方法，例如振動(dòng)傳感器，難以獲得更為全面的軸承狀態(tài)信息。隨著軸承服役于更為復(fù)雜多變的工況中，其診斷性能嚴(yán)重受限。多傳感器信息融合技術(shù)可以充分協(xié)同來自各個(gè)傳感器的互補(bǔ)信息，來豐富可獲得的故障相關(guān)信息，有望實(shí)現(xiàn)復(fù)雜環(huán)境下更為準(zhǔn)確、可靠的診斷性能。
2、目前，現(xiàn)有的多傳感器信息融合滾動(dòng)軸承故障診斷大多基于深度神經(jīng)網(wǎng)絡(luò)，且網(wǎng)絡(luò)的結(jié)構(gòu)，包括特征提取與融合策略大多基于人工經(jīng)驗(yàn)與大量實(shí)驗(yàn)試錯(cuò)來確定，對于每個(gè)不同軸承型號、不同工況的診斷場景，都要重新設(shè)計(jì)一個(gè)針對性的網(wǎng)絡(luò)結(jié)構(gòu)。這種方式所設(shè)計(jì)出來的網(wǎng)絡(luò)結(jié)構(gòu)，不一定是最優(yōu)的。同時(shí)，多傳感器融合網(wǎng)絡(luò)的網(wǎng)絡(luò)結(jié)構(gòu)相比單傳感器網(wǎng)絡(luò)更為復(fù)雜，參數(shù)更多，進(jìn)一步擴(kuò)大了其存在開發(fā)過程繁瑣的局限，限制了多傳感器信息融合滾動(dòng)軸承故障診斷網(wǎng)絡(luò)的工程應(yīng)用。
技術(shù)實(shí)現(xiàn)思路
1、針對現(xiàn)有技術(shù)存在的不足，本專利技術(shù)的目的在于，提供一種用于滾動(dòng)軸承的多傳感器信息融合故障診斷的系統(tǒng)及方法，以解決當(dāng)前滾動(dòng)軸承多傳感器信息融合故障診斷方法設(shè)計(jì)依賴人工經(jīng)驗(yàn)與大量實(shí)驗(yàn)試錯(cuò)的過程繁瑣問題。
2、為了解決上述技術(shù)問題，本專利技術(shù)采用如下技術(shù)方案予以實(shí)現(xiàn)
3、一種用于滾動(dòng)軸承的多傳感器信息融合故障診斷的方法，具體包括以下步驟：
4、步驟1，同時(shí)連續(xù)采集m個(gè)傳感器的傳感器信號，并按時(shí)間段劃分得到(i+j)個(gè)樣本，將其劃分為訓(xùn)練集和驗(yàn)證集
5、其中：
6、(xitrn,yitrn)i表示訓(xùn)練集中的第i個(gè)樣本，每個(gè)樣本包括一個(gè)時(shí)間段內(nèi)m個(gè)傳感器的傳感器信號及其標(biāo)簽；
7、(xjval,yjval)j表示驗(yàn)證集中的第j個(gè)樣本，每個(gè)樣本包括一個(gè)時(shí)間段內(nèi)m個(gè)傳感器的傳感器信號及其標(biāo)簽；
8、xitrn為訓(xùn)練集中第i個(gè)樣本中的m個(gè)傳感器的傳感器信號，m為傳感器的序號
9、xjval為驗(yàn)證集中第j個(gè)樣本中的m個(gè)傳感器的傳感器信號，m為傳感器的序號；
10、為第i個(gè)樣本中第m個(gè)傳感器的傳感器信號；
11、為第j個(gè)樣本中第m個(gè)傳感器的傳感器信號；
12、yitrn為第i個(gè)樣本中的m個(gè)傳感器的傳感器信號的標(biāo)簽，為軸承故障類別；
13、yjval為第j個(gè)樣本中的m個(gè)傳感器的傳感器信號的標(biāo)簽，為軸承故障類別；
14、步驟2，構(gòu)建多傳感器信息融合網(wǎng)絡(luò)結(jié)構(gòu)搜索空間sa＝so×sp以及用于控制所述多傳感器信息融合網(wǎng)絡(luò)結(jié)構(gòu)搜索空間sa的多傳感器信息融合網(wǎng)絡(luò)結(jié)構(gòu)參數(shù)αa＝{αo,αp}，構(gòu)建滾動(dòng)軸承分類器h(·)；
15、其中，so表示特征提取單元搜索空間，sp表示融合策略搜索空間，αo表示用于控制特征提取單元搜索空間so的結(jié)構(gòu)參數(shù)，αp表示用于控制融合策略搜索空間sp的結(jié)構(gòu)參數(shù)；
16、步驟3，采用訓(xùn)練集和驗(yàn)證集同時(shí)對步驟2中得到的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)搜索空間sa的多傳感器信息融合網(wǎng)絡(luò)結(jié)構(gòu)參數(shù)αa＝{αo,αp}和權(quán)重參數(shù)w進(jìn)行更新，得到最優(yōu)多傳感器融合網(wǎng)絡(luò)結(jié)構(gòu)
17、
18、
19、其中：
20、表示從帶有多傳感器信息融合網(wǎng)絡(luò)結(jié)構(gòu)參數(shù)αa＝{αo,αp}的特征提取單元搜索空間sa中使用搜索策略抽取一種可能的特征提取單元網(wǎng)絡(luò)結(jié)構(gòu)s；
21、w表示可能的特征提取單元網(wǎng)絡(luò)結(jié)構(gòu)s的權(quán)重參數(shù)；
22、為使用驗(yàn)證集dval的分類交叉熵?fù)p失；
23、為使用訓(xùn)練集dtrn的分類交叉熵?fù)p失；
24、步驟4，采集待診斷場景中的多傳感器信號，并將其輸入至最優(yōu)多傳感器融合網(wǎng)絡(luò)結(jié)構(gòu)中，得到滾動(dòng)軸承故障診斷結(jié)果
25、本專利技術(shù)還包括以下技術(shù)特征：
26、所述步驟3和步驟4之間還包括：
27、使用訓(xùn)練集對步驟3得到最優(yōu)多傳感器融合網(wǎng)絡(luò)結(jié)構(gòu)進(jìn)行訓(xùn)練。
28、在上述技術(shù)方案中，由于步驟3的目的是得到最優(yōu)結(jié)構(gòu)，中間的權(quán)重參數(shù)不一定是最優(yōu)的，因此采用訓(xùn)練集對步驟3得到最優(yōu)多傳感器融合網(wǎng)絡(luò)結(jié)構(gòu)進(jìn)行訓(xùn)練，是固定整體的結(jié)構(gòu)參數(shù)的條件下，對權(quán)重參數(shù)進(jìn)行訓(xùn)練。
29、步驟2具體包括依以下步驟：
30、步驟2.1，構(gòu)建特征提取單元搜索空間和控制特征提取單元搜索空間so的結(jié)構(gòu)參數(shù)為
31、
32、
33、其中：
34、cellm(n,o)表示基于可微分結(jié)構(gòu)搜索單元的第m個(gè)可能的特征提取單元；
35、on,o'(·)表示第n條邊的第o’個(gè)操作；
36、n表示可微分結(jié)構(gòu)搜索單元中的最終需要保留的邊；
37、表示每條最終保留的邊可能的候選操作集合；
38、||n||表示最終需要保留的邊的個(gè)數(shù)；
39、||o||表示最終需要保留的邊的個(gè)數(shù)；
40、表示第m個(gè)可能的特征提取單元中，第n個(gè)邊上，第o'個(gè)操作的結(jié)構(gòu)參數(shù)；
41、thred表示操作保留閾值；
42、步驟2.2，構(gòu)建融合策略搜索空間和控制融合策略搜索空間sp的結(jié)構(gòu)參數(shù)所述融合策略搜索空間包括k層串聯(lián)的融合模塊
43、步驟2.3，根據(jù)步驟2.1構(gòu)建的特征提取單元搜索空間和控制特征提取單元搜索空間so的結(jié)構(gòu)參數(shù)為與步驟2.2構(gòu)建的融合策略搜索空間sp與控制融合策略搜索空間sp的結(jié)構(gòu)參數(shù)ap，得到多傳感器信息融合網(wǎng)絡(luò)結(jié)構(gòu)搜索空間sa＝so×sp和多傳感器信息融合網(wǎng)絡(luò)結(jié)構(gòu)參數(shù)αa＝{αo,αp}。
44、步驟3具體包括以下步驟：
45、步驟3.1，隨機(jī)初始化步驟2得到的多傳感器信息融合網(wǎng)絡(luò)結(jié)構(gòu)參數(shù)αa＝{αo,αp}；
46、步驟3.2，根據(jù)多傳感器信息融合網(wǎng)絡(luò)結(jié)構(gòu)參數(shù)αa＝{αo,αp}從多傳感器信息融合網(wǎng)絡(luò)結(jié)構(gòu)搜索空間sa中采樣一個(gè)可能的特征提取單元網(wǎng)絡(luò)結(jié)構(gòu)s；
47、步驟3.3，初始化步驟3.2得到的可能的特征提取單元網(wǎng)絡(luò)結(jié)構(gòu)s的權(quán)重參數(shù)w；
48、步驟3.4，從步驟1得到的訓(xùn)練集和驗(yàn)證集中分別抽取第i樣本(xtrn,ytrn)i和第j樣本(xval,yval)j；
49、步驟3.5，使用第i個(gè)樣本(xtrn,ytrn)i以學(xué)習(xí)率γ1對權(quán)重參數(shù)w進(jìn)行更新，得到更新后的權(quán)重參數(shù)w；
50、步驟3.6，令i＝i+1，重復(fù)步驟3.4～步驟3.5，直至等于零或i＝i，得到最優(yōu)網(wǎng)絡(luò)權(quán)重參數(shù)w*；
51、步驟3.7，使用第j個(gè)樣本(xval,yval)j以學(xué)習(xí)率γ2對用于控制特征提取單元搜索空間so的結(jié)構(gòu)參數(shù)αo進(jìn)行更新，得到更新后的用于控制特征提取單元搜索空間so的結(jié)構(gòu)本文檔來自技高網(wǎng)...
【技術(shù)保護(hù)點(diǎn)】
1.一種用于滾動(dòng)軸承的多傳感器信息融合故障診斷的方法，其特征在于，具體包括以下步驟：
2.如權(quán)利要求1所述用于滾動(dòng)軸承的多傳感器信息融合故障診斷的方法，其特征在于，所述步驟3和步驟4之間還包括：
3.如權(quán)利要求1所述用于滾動(dòng)軸承的多傳感器信息融合故障診斷的方法，其特征在于，步驟2具體包括依以下步驟：
4.如權(quán)利要求1所述用于滾動(dòng)軸承的多傳感器信息融合故障診斷的方法，其特征在于，步驟3具體包括以下步驟：
5.如權(quán)利要求4所述用于滾動(dòng)軸承的多傳感器信息融合故障診斷的方法，其特征在于，步驟3.5具體包括以下步驟：
6.如權(quán)利要求5所述用于滾動(dòng)軸承的多傳感器信息融合故障診斷的方法，其特征在于，步驟3.5.2具體包括以下步驟：
7.一種用于滾動(dòng)軸承的多傳感器信息融合故障診斷的系統(tǒng)，基于權(quán)利要求1～6任一項(xiàng)所述用于滾動(dòng)軸承的多傳感器信息融合故障診斷的方法，包括數(shù)據(jù)采集單元、模型構(gòu)建單元和故障檢測單元；
【技術(shù)特征摘要】
1.一種用于滾動(dòng)軸承的多傳感器信息融合故障診斷的方法，其特征在于，具體包括以下步驟：
2.如權(quán)利要求1所述用于滾動(dòng)軸承的多傳感器信息融合故障診斷的方法，其特征在于，所述步驟3和步驟4之間還包括：
3.如權(quán)利要求1所述用于滾動(dòng)軸承的多傳感器信息融合故障診斷的方法，其特征在于，步驟2具體包括依以下步驟：
4.如權(quán)利要求1所述用于滾動(dòng)軸承的多傳感器信息融合故障診斷的方法，其特征在于，步驟3具體包括以下步...
【專利技術(shù)屬性】
技術(shù)研發(fā)人員：朱永生，林曇濤，薛怡然，任智軍，閆柯，洪軍，
申請(專利權(quán))人：西安交通大學(xué)，
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(huì)獲得科技券。