[发明专利]一种轴承故障的诊断方法及装置

权利要求书

1.一种轴承故障的诊断方法，其特征在于，包括以下步骤：

步骤S1、以设定频率采集轴承在一段时间内的振动数据；

步骤S2、根据所述振动数据确定训练集、验证集和测试集；

步骤S3、搭建一维深度残差卷积神经网络模型，确定所述一维深度残差卷积神经网络模型的结构参数和训练参数，所述结构参数包括卷积核大小、降采样率、残差块数目，所述训练参数包括训练的轮数、学习率；

步骤S4、将所述训练集输入所述一维深度残差卷积神经网络模型进行自残差训练；

步骤S5、将所述验证集输入所述一维深度残差卷积神经网络模型进行验证，得到所述一维深度残差卷积神经网络模型的评价指标和性能指标；

步骤S6、判断所述评价指标和性能指标是否低于阈值，若是，调整所述结构参数和训练参数，并跳转到步骤S4，若否，保存一维深度残差卷积神经网络模型；

步骤S7、将所述测试集输入至训练好的一维深度残差卷积神经网络模型中，预测出测试集的故障诊断结果。

2.根据权利要求1所述的一种轴承故障的诊断方法，其特征在于，所述步骤S1具体包括：

获取轴承在各种状态下的原始时间序列信号，并以设定的采样频率和采样时长提取所述原始时间序列信号，其中，所述各种状态包括轴承正常、轴承磨损、轴承断齿、轴承削齿、轴承裂纹。

3.根据权利要求1所述的一种轴承故障的诊断方法，其特征在于，所述步骤S2具体包括：

根据采样频率和采样时长将所述振动数据分割为单位时长的数据集，并将所述数据集划分为训练集、验证集和测试集，从而完成数据预处理；

所述单位时长为采样间隔时长的2～3倍，所述采样间隔时长为所述采样频率的倒数。

4.一种轴承故障的诊断装置，其特征在于，所述装置包括：存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序运行在所述装置的以下模块中：

采集模块，用于以设定频率采集轴承在一段时间内的振动数据；

分集模块，用于根据所述振动数据确定训练集、验证集和测试集；

初步搭建模块，用于搭建一维深度残差卷积神经网络模型，确定所述一维深度残差卷积神经网络模型的结构参数和训练参数，所述结构参数包括卷积核大小、降采样率、残差块数目，所述训练参数包括训练的轮数、学习率；

训练模块，用于将所述训练集输入所述一维深度残差卷积神经网络模型进行自残差训练；

验证模块，用于将所述验证集输入所述一维深度残差卷积神经网络模型进行验证，得到所述一维深度残差卷积神经网络模型的评价指标和性能指标；

判断模块，用于判断所述评价指标和性能指标是否低于阈值，若是，调整所述结构参数和训练参数，并跳转到初步搭建模块，若否，保存一维深度残差卷积神经网络模型；

预测模块，用于将所述测试集输入至训练好的一维深度残差卷积神经网络模型中，预测出测试集的故障诊断结果。

5.根据权利要求4所述的一种轴承故障的诊断装置，其特征在于，所述采集模块具体用于：

获取轴承在各种状态下的原始时间序列信号，并以设定的采样频率和采样时长提取所述原始时间序列信号，其中，所述各种状态包括轴承正常、轴承磨损、轴承断齿、轴承削齿、轴承裂纹。

6.根据权利要求4所述的一种轴承故障的诊断装置，其特征在于，所述分集模块具体用于：

根据采样频率和采样时长将所述振动数据分割为单位时长的数据集，并将所述数据集划分为训练集、验证集和测试集，从而完成数据预处理；

所述单位时长为采样间隔时长的2～3倍，所述采样间隔时长为所述采样频率的倒数。