[发明专利]一种轴承故障的诊断方法及装置

摘要

本发明涉及机械故障诊断技术领域，具体涉及一种轴承故障的诊断方法及装置，通过采集轴承的振动数据，从而确定训练集、验证集和测试集，进而搭建一维深度残差卷积神经网络模型，在初步确定所述模型的结构参数和训练参数后，将所述验证集输入模型中进行自残差训练，经过验证和调整得到训练好的模型，最后将测试集输入至训练好的模型中，从而预测出测试集的故障诊断结果，本发明直接使用原始的振动信号作为输入，降低了获得训练样本的难度，通过结合一维深度残差卷积神经网络模型和自残差训练，提取更加深层的故障特征和更加抽象的信息，具有高的分类精度的同时，又降低了训练的难度。

主权项

1.一种轴承故障的诊断方法，其特征在于，包括以下步骤：步骤S1、以设定频率采集轴承在一段时间内的振动数据；步骤S2、根据所述振动数据确定训练集、验证集和测试集；步骤S3、搭建一维深度残差卷积神经网络模型，确定所述一维深度残差卷积神经网络模型的结构参数和训练参数，所述结构参数包括卷积核大小、降采样率、残差块数目，所述训练参数包括训练的轮数、学习率；步骤S4、将所述训练集输入所述一维深度残差卷积神经网络模型进行自残差训练；步骤S5、将所述验证集输入所述一维深度残差卷积神经网络模型进行验证，得到所述一维深度残差卷积神经网络模型的评价指标和性能指标；步骤S6、判断所述评价指标和性能指标是否低于阈值，若是，调整所述结构参数和训练参数，并跳转到步骤S4，若否，保存一维深度残差卷积神经网络模型；步骤S7、将所述测试集输入至训练好的一维深度残差卷积神经网络模型中，预测出测试集的故障诊断结果。