[发明专利]滚珠丝杠的故障诊断方法、装置、计算机设备和存储介质

权利要求书

1.一种滚珠丝杠的故障诊断方法，其特征在于，包括：

获取用于检测滚珠丝杠不同位置的多个传感器检测到的振动信号；

基于预先设定的权重分配规则对每个故障类型对应的每个传感器检测到的振动信号分配权重，其中，每个故障类型对应的一组所述多个传感器检测到的振动信号；

将分配权重后的振动信号输入到预先训练好的神经网络模型中，识别出所述滚珠丝杠的故障类型。

2.根据权利要求1所述的滚珠丝杠的故障诊断方法，其特征在于，所述将分配权重后的振动信号输入到预先训练好的神经网络模型中，识别出所述滚珠丝杠的故障类型，包括：

所述神经网络模型基于分配的权重对每一组振动信号进行融合，提取每一组振动信号的信号特征；

判断所述信号特征是否满足预设条件；

当所述信号特征满足所述预设条件时，确定所述滚珠丝杠出现该组振动信号对应的故障。

3.根据权利要求2所述的滚珠丝杠的故障诊断方法，其特征在于，所述信号特征包括信号均方根值和特征频率幅值，所述判断所述信号特征是否满足预设条件，包括：

判断所述信号均方根值的增长幅值是否小于第一阈值，并判断所述特征频率幅值是否小于第二阈值；

当所述信号均方根值的增长幅值大于等于第一阈值，或者所述特征频率幅值大于等于所述第二阈值时，确定满足所述预设条件。

4.根据权利要求1所述的滚珠丝杠的故障诊断方法，其特征在于，在将分配权重后的振动信号输入到预先训练好的神经网络模型中，识别出所述滚珠丝杠的故障类型之前，还包括：

构建初始神经网络模型结构；

获取训练样本数据和测试样本数据；

利用所述训练样本数据对所述初始神经网络模型进行训练，利用所述测试样本数据对训练后的初始神经网络模型进行验证。

5.根据权利要求4所述的滚珠丝杠的故障诊断方法，其特征在于，所述初始神经网络模型包括多个卷积层，一个全连接层。

6.其中，所述多个卷积层对多个传感器的数据进行加权融合，并提取对应的信号特征。

7.根据权利要求1所述的滚珠丝杠的故障诊断方法，其特征在于，在基于预先设定的权重分配规则对每个故障类型对应的每个传感器检测到的振动信号分配权重之前，还包括：

获取训练样本数据和基准数据，所述基准数据为所述滚珠丝杠正常工作下多个传感器检测到的数据；

计算所述训练样本数据与所述基准数据之间的均方根值的增幅比和特征频率的增幅比；

基于所述均方根值的增幅比和特征频率的增幅比确定出所述训练样本数据中的异常状态下的数据；

从所述异常状态下的数据中确定出每个故障类型对应的敏感传感器，所述敏感传感器为对所述故障类型的影响程度最大的传感器；

分别设置所述敏感传感器和其他传感器对应的权重，其中，所述敏感传感器的权重远大于其他传感器的权重。

8.根据权利要求6所述的滚珠丝杠的故障诊断方法，其特征在于，所述敏感传感器的权重设置为p，其他传感器的权重均为(1-p)/n，其中，0.5＜p＜1，n表示其他传感器的数量。

9.一种滚珠丝杠的故障诊断装置，其特征在于，包括：

获取模块，用于获取用于检测滚珠丝杠不同位置的多个传感器检测到的振动信号；

分配模块，用于基于预先设定的权重分配规则对每个故障类型对应的每个传感器检测到的振动信号分配权重，其中，每个故障类型对应的一组所述多个传感器检测到的振动信号；

识别模块，用于将分配权重后的振动信号输入到预先训练好的神经网络模型中，识别出所述滚珠丝杠的故障类型。

10.一种计算机设备，其特征在于，包括存储器、处理器以及存储在存储器上并可在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时实现权利要求1至7任一项所述方法的步骤。

11.一种计算机可读存储介质，其上存储有计算机程序，其特征在于：所述计算机程序被处理器执行时实现权利要求1至7任一项所述方法的步骤。