[发明专利]一种轴承振动信号的故障检测和分类方法

权利要求书

1.一种轴承振动信号的故障检测和分类方法，其特征在于：该方法搭建于滚动轴承设备领域，利用振动信号数据和深度神经网络进行轴承设备的故障诊断；轴承设备诊断系统在获取各种故障状态下的轴承振动信号数据后，利用所有类别的故障振动信号训练一个卷积神经网络模型，用于后续轴承的故障检测。

2.根据权利要求1所述的一种轴承振动信号的故障检测和分类方法，其特征在于：所述的轴承振动信号，采用一维序列转为二维图像的方法将其转化图像，再利用卷积神经网络进行图像分类，也就是将故障诊断问题转化为图像识别问题，大量带标签的振动序列信号用于卷积神经网络的学习训练，并用于轴承故障诊断模块。

3.根据权利要求1所述的轴承设备诊断系统，其特征在于：所述的轴承设备诊断系统包括安装在轴承上的加速度传感器(1)、数据记录仪(2)、数据处理模块(3)、通信模块(4)以及用于信号分析与故障诊断等功能的PC端(5)，加速度传感器(1)与数据记录仪(2)的一端连接，数据记录仪(2)的另一端与数据处理模块(3)的一端连接，数据处理模块(3)的另一端通过通信模块(4)与PC端(5)连接。

4.根据权利要求3所述的轴承设备诊断系统，其特征在于：所述加速度传感器(1)用于采集轴承振动信号，带有磁力基座的机架上，风扇端和驱动端的轴承座上放各放置一个加速度传感器(1)；

所述数据记录仪(2)用于采集加速度信号，并将采集到的数据传输到数据处理模块(3)用于进一步分析和处理；

所述数据处理模块(3)用于振动信号的转化，在接收到轴承振动信号后，对数据进行优化处理，并发送到PC端(5)用于进一步分析处理；

所述通信模块(4)用于信号处理模块(3)和PC端(5)的通信，在接收到数据处理模块(3)传输的轴承振动信号数据实时发送到PC端(5)用于进一步的处理和分析。

5.根据权利要求3所述的轴承设备诊断系统，其特征在于：所述PC端(5)作为数据分析终端和人机交互平台，其中PC端(5)包含数据预处理模块(5-1)、故障分析模块(5-2)、振动信号存储与检索模块(5-3)。

6.根据权利要求5所述的PC端，其特征在于：所述数据预处理模块(5-1)用于对振动信号进行转化，将一维振动信号转化为二维图像，也就是将信号处理问题转化为了图像处理问题；

所述的故障分析模块(5-2)用于振动信号分析处理，利用预先训练好的深度卷积神经网络算法判断振动信号是否是故障信号；

所述的振动信号存储与检索模块(5-3)用于对接收到的振动信号数据以位置信息和时间信息等进行存储和检索；

所述的振动信号存储与检索模块(5-3)还用于对振动故障分析模块进行模型再训练和优化。

7.根据权利要求1所述的一种轴承振动信号的故障检测和分类方法，其特征在于：具体方法为：步骤(1)、利用加速度传感器(1)采集滚动轴承正常运行与故障时的振动信号并做标签，用于后续深度卷积神经网络的学习训练；

步骤(2)、每个设备的振动数据样本按指定长度的采样点数分割，并将一维数据数据转化为图像作为卷积神经网络的训练样本，送入预先设置的卷积神经网络进行训练，所述卷积神经网络包括卷积层、池化层、全连接层和输出层；

步骤(3)、将各个不同滚动轴承对应的卷积神经网络模型应用到PC端(5)，用于实时故障检测；

步骤(4)、根据获取关键各个滚动轴承设备位置信息并进行标注，同时设定在各个关键设备位置点的信号采集时间；

步骤(5)、根据步骤(4)中接收到的文件，采集相应的轴承数据并传输到PC端(5)；

步骤(6)、PC端(5)接收到加速度传感器(1)传送的振动信号数据和信息后，根据位置信息确定检测的滚动轴承类型并根据相应的卷积神经网络模型对轴承数据进行分类，判断设备是否发生故障，并对故障设备发出相应的报警信息。