[发明专利]滚动轴承状态的监测方法、装置、设备及存储介质

说明书

本发明涉及机械监测技术领域，公开了一种滚动轴承状态的监测方法、装置、设备及存储介质，所述方法包括：采集滚动轴承的运行状态信息和预设时间序列，根据预设时间序列将运行状态信息映射到目标图像域中，根据预设数据融合算法对映射得到的图像信息进行特征向量提取，得到对应的特征向量信息，将特征向量信息进行融合，提取融合得到的目标图像信息中的特征信息，根据预设神经网络模型对特征信息进行预测，基于预测得到的目标学习状态特征和预设神经网络模型；根据得到的目标神经网络模型对滚动轴承的运行状态进行实时监测，得到对应的监测结果，相较于现有技术基于深度学习的监测模型对滚动轴承的运行状态，能够有效提高监测效率和准确率。

技术领域

本发明涉及机械监测技术领域，尤其涉及滚动轴承状态的监测方法、装置、设备及存储介质。

背景技术

滚动轴承作为旋转机械中最常用、工况消耗最大以及最核心的部件，其状态是否良好不仅直接影响到整个机械设备的性能，甚至还会威胁到工人的安全问题，因此，轴承状态监测技术的研究具有重要的经济价值和社会效益，当前，滚动轴承的故障类型主要分为外圈故障、内圈故障以及滚动体故障，而目前针对上述不同故障类型的监测方法为长短期记忆网络(Long Short-Term Memory，LSTM)，通过LSTM网络对滚动轴承的运行状态进行监测会缓解循环神经网络在预测时存在的梯度问题，但由于LSTM网络的迭代速度慢，导致对滚动轴承的运行状态的监测效率较低，且监测的运行状态会出现较大的误差。

上述内容仅用于辅助理解本发明的技术方案，并不代表承认上述内容是现有技术。

发明内容

本发明的主要目的在于提供一种滚动轴承状态的监测方法及方法，旨在解决现有技术无法有效提高对滚动轴承的监测效率以及监测准确率较低的技术问题。

为实现上述目的，本发明提供了一种滚动轴承状态的监测方法，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。

可选地，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。

可选地，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；