[发明专利]滚动轴承状态的监测方法、装置、设备及存储介质

权利要求书

1.一种滚动轴承状态的监测方法，其特征在于，所述滚动轴承状态的监测方法包括以下步骤：

采集滚动轴承的运行状态信息和预设时间序列，根据所述预设时间序列将所述运行状态信息映射到目标图像域中，得到所述运行状态对应的图像信息；

获取预设数据融合算法，根据所述预设数据融合算法对所述图像信息进行特征向量提取，得到对应的特征向量信息，将所述特征向量信息进行融合，得到目标图像信息；

提取所述目标图像信息中的特征信息，获取预设神经网络模型，根据所述预设神经网络模型对所述特征信息进行预测，得到目标学习状态特征信息；

基于所述目标学习状态特征信息和所述预设神经网络模型，得到目标神经网络模型；

根据所述目标神经网络模型对所述滚动轴承的运行状态进行实时监测，得到对应的监测结果，以实现对所述滚动轴承状态的监测；

所述采集滚动轴承的运行状态信息和预设时间序列，根据所述预设时间序列将所述运行状态信息映射到目标图像域中，得到所述运行状态对应的图像信息，包括：

采集滚动轴承的运行状态信息，提取所述运行状态信息中的采集时间信息，根据所述采集时间信息得到预设时间序列；

对所述运行状态信息进行识别，得到故障运行状态信息和正常运行状态信息；

将所述故障运行状态信息和所述正常运行状态信息进行拼接，得到目标运行状态信息；

根据所述预设时间序列将所述目标运行状态信息映射到目标图像域中，得到所述目标运行状态对应的图像信息；

所述根据所述预设时间序列将所述目标运行状态信息映射到目标图像域中，得到所述目标运行状态对应的图像信息，包括：

根据所述预设时间序列得到当前排列顺序；

获取预设矩阵构造策略，根据所述预设矩阵构造策略对所述当前排列顺序进行调整，得到目标排列顺序；

基于所述目标排列顺序将所述目标运行状态信息映射到目标图像域中，得到所述目标运行状态对应的图像信息。

2.如权利要求1所述的滚动轴承状态的监测方法，其特征在于，所述获取预设数据融合算法，根据所述预设数据融合算法对所述图像信息进行特征向量提取，得到对应的特征向量信息，将所述特征向量信息进行融合，得到目标图像信息，包括：

对所述图像信息进行解析，得到所述图像信息对应的类别信息；

获取预设图像类别，根据所述预设图像类别对所述类别信息进行筛选，得到目标类型对应的当前图像信息；

获取预设降维算法，根据所述预设降维算法对所述当前图像信息进行降维，得到降维后的图像信息；

获取预设数据融合算法，根据所述预设数据融合算法对所述降维后的图像信息进行特征向量提取，得到对应的特征向量信息，将所述特征向量信息进行融合，得到目标图像信息。

3.如权利要求1所述的滚动轴承状态的监测方法，其特征在于，所述提取所述目标图像信息中的特征信息，获取预设神经网络模型，根据所述预设神经网络模型对所述特征信息进行预测，得到目标学习状态特征信息，包括：

对所述目标图像信息进行压缩，得到压缩后的目标图像信息；

获取当前神经网络模型，将所述压缩后的目标图像信息输入至所述当前神经网络模型中的卷积层，以使所述卷积层提取所述压缩后的目标图像信息中的特征信息；

获取预设神经网络模型，根据所述预设神经网络模型对所述特征信息进行预测，得到目标学习状态特征信息。

4.如权利要求3所述的滚动轴承状态的监测方法，其特征在于，所述获取预设神经网络模型，根据所述预设神经网络模型对所述特征信息进行预测，得到目标学习状态特征信息之后，还包括：

基于所述目标学习状态特征信息对所述预设神经网络模型进行自学习，得到目标神经网络模型；

获取预设优化策略，根据所述预设优化策略对所述目标神经网络模型进行优化，得到优化后的目标神经网络模型；

根据所述优化后的目标神经网络模型对所述滚动轴承的运行状态进行实时监测，得到对应的监测结果。