一種滾動軸承故障監(jiān)測診斷方法、設(shè)備、介質(zhì)及處理器

基本信息

申請?zhí)?/td> CN202111111614.3 申請日 -
公開（公告）號 CN113933054A 公開（公告）日 2022-01-14
申請公布號 CN113933054A 申請公布日 2022-01-14
分類號 G01M13/045（2019.01）I;G06F30/27（2020.01）I;G06N3/04（2006.01）I 分類 測量；測試;
發(fā)明人 沈長青;劉雙劼;謝靖;高冰冰;朱忠奎 申請（專利權(quán)）人 吳江萬工機電設(shè)備有限公司
代理機構(gòu) 蘇州通途佳捷專利代理事務所（普通合伙） 代理人 翁德億
地址 215000江蘇省蘇州市吳江區(qū)橫扇鎮(zhèn)菀坪開發(fā)路
法律狀態(tài) -

摘要

摘要 本發(fā)明公開了一種滾動軸承故障監(jiān)測診斷方法、設(shè)備、介質(zhì)及處理器，方法為首先對不同健康狀態(tài)下采集的軸承數(shù)據(jù)進行切割劃分樣本，利用短時傅里葉變換對樣本進行預處理，然后利用一維卷積神經(jīng)網(wǎng)絡提取樣本的低層次特征，接著門控循環(huán)單元分析低層次特征得到時頻域特征，輸出設(shè)備狀態(tài)監(jiān)測結(jié)果并將時頻域特征作為粗分類器的輸入，得到故障粗分類結(jié)果；在訓練的過程中利用故障關(guān)鍵幀數(shù)據(jù)，以解決軸承運轉(zhuǎn)狀態(tài)下的數(shù)據(jù)極不平衡問題，降低時間跨度長對梯度的影響，使得深度學習模型能精準地監(jiān)測軸承的實時狀態(tài)。本發(fā)明不需要大量先驗知識來手動地提取特征，通過深度學習模型的實時監(jiān)測實現(xiàn)在線故障實時診斷，節(jié)省大量人力物力，提高生產(chǎn)效率。