[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

说明书

本发明公开了一种轴承故障诊断方法、装置、存储介质及电子设备，获取第一数据；对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；将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。将轴承故障振动数据转换为带故障类型标签的数据，极大程度上保留数据信息；利用目标神经网络得到与原始带故障类型标签的数据高度拟合的数据，并与原始带故障类型标签的数据经过诊断融合得到诊断结果，解决了故障诊断中故障样本不足及样本不均衡导致的诊断准确率低的缺点。

技术领域

本发明涉及故障诊断技术领域，具体涉及一种轴承故障诊断方法、装置、存储介质及电子设备。

背景技术

在航空航天、轨道交通、海洋工程以及高档数控机床等领域广泛使用的机械设备都在向着高速率、自动化、多功能和精密化方向发展，使得机械设备结构日趋复杂，产生故障的隐患也随之持续上涨。轴承作为机械动力传递的关键部件，一直是机械故障诊断的重要对象。现有的轴承故障诊断技术大都在数据充足的条件下进行诊断，当数据不足、样本不均衡时，故障诊断结果与实际不符，达不到理想的效果。

发明内容

有鉴于此，本发明实施例提供了涉及一种轴承故障诊断方法、装置、存储介质及电子设备，以解决现有技术中由于数据不足、样本不均衡导致故障诊断结果准确率较差的技术问题。

本发明提出的技术方案如下：

第一方面，本发明实施例提供一种轴承故障诊断方法，该轴承故障诊断方法包括：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。

可选地，在第一方面的一种可能的实现方式中，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。

可选地，在第一方面的一种可能的实现方式中，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，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。

可选地，在第一方面的一种可能的实现方式中，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。