[发明专利]一种轴承故障诊断方法、装置、存储介质及电子设备

权利要求书

1.一种轴承故障诊断方法，其特征在于，所述方法包括：

获取第一数据，所述第一数据为轴承故障振动数据；

对所述第一数据进行转换处理，得到第二数据，所述第二数据中携带所述第一数据的故障类型标签；

获取目标神经网络，所述目标神经网络是利用预设算法优化后的生成对抗网络；

将所述第二数据输入所述目标神经网络进行训练处理，得到第三数据，所述第三数据为与所述第二数据高度拟合的数据；

利用所述第三数据和所述第二数据，经过预设诊断概率融合方法，得到诊断结果；

所述目标神经网络包括生成器和判别器；所述获取目标神经网络，包括：

获取任意随机数与所述第一数据的故障类型标签；

将所述任意随机数和所述第一数据的故障类型标签输入所述生成器进行处理，得到第一图像数据；

利用所述判别器判别所述第一图像数据的真假和类别，得到第一判决结果；

所述判别器利用Dropout机制进行拟合处理；所述获取目标神经网络，还包括：

获取第一神经网络；

利用所述第一神经网络，确定所述第一数据的故障类型标签以及所述第一数据的故障类型标签对应的嵌入维度值和Dropout概率值，所述嵌入维度值反映所述故障类型标签的标签映射维度；

利用预设算法对所述嵌入维度值与所述Dropout概率值进行优化处理，得到第一嵌入维度值与第一Dropout概率值；

以所述第一图像数据和所述第二数据构建真假损失函数与分类判别损失函数，以所述第一嵌入维度值与所述第一Dropout概率值对所述第一神经网络进行训练直至所述真假损失函数与所述分类判别损失函数满足预设要求，得到目标神经网络。

2.根据权利要求1所述的方法，其特征在于，将所述第二数据输入所述目标神经网络进行训练处理，得到第三数据，包括：

将所述第二数据输入所述目标神经网络，重复“对所述生成器进行训练直至预设生成器损失函数满足要求，对所述判别器进行训练”，直至所述预设生成器损失函数与预设判别器损失函数满足要求，利用所述目标神经网络生成第三数据。

3.根据权利要求1所述的方法，其特征在于，利用所述第三数据和所述第二数据，经过预设诊断概率融合方法，得到诊断结果，包括：

将所述第三数据和所述第二数据进行混合处理，得到第四数据，所述第四数据中携带利用独热编码为所述第一数据添加的类型标签；

获取至少一个神经网络学习模型；

将所述第四数据输入所述至少一个预设神经网络学习模型，得到每个神经网络学习模型对所述第四数据的分类结果；

利用所述每个神经网络学习模型对所述第四数据的分类结果，经过预设诊断概率融合方法，得到诊断结果。

4.根据权利要求3所述的方法，其特征在于，将所述第三数据和所述第二数据进行混合处理，得到第四数据之后，所述方法还包括：

对所述第四数据进行降维处理，得到第五数据，所述第五数据表征删除冗余数据后的所述第四数据。

5.根据权利要求3所述的方法，其特征在于，所述方法还包括：

根据所述诊断结果确定轴承的状态。