申请/专利权人：北京建筑大学

申请日：2023-06-14

公开（公告）日：2024-04-12

公开（公告）号：CN116977708B

主分类号：G06V10/764

分类号：G06V10/764;G01M13/045;G06V10/40

优先权：

专利状态码：有效-授权

法律状态：2024.04.12#授权;2023.11.17#实质审查的生效;2023.10.31#公开

摘要：本发明涉及机械故障诊断领域，公开了一种基于自适应聚合可视图的轴承智能诊断方法包括，开展轴承典型故障振动测试试验，采集典型故障状态下的振动加速度信号；采用自适应聚合可视图算法对采集到的时间序列信号进行特征提取及图映射，得到图神经网络中的输入由节点和边构成的图数据；基于改良后的DiffPool图分类算法建立端到端的滚动轴承智能诊断框架；将图数据输入到诊断框架中，优化滚动轴承智能诊断模型；根据优化后的滚动轴承智能诊断框架进行滚动轴承不同工况的识别和分类。本方法基于图神经网络，采用自适应算法，解决了传统的机器构图方式不灵活、映射效率低、无法最大化的保留原始数据的特征的问题。

主权项：1.一种基于自适应聚合可视图的轴承智能诊断方法，其特征在于：包括，开展轴承典型故障振动测试试验，采集典型故障状态下的振动加速度信号；采用自适应聚合可视图算法对采集到的时间序列信号进行特征提取及图映射，得到图神经网络中的输入由节点和边构成的图数据；基于改良的DiffPool图分类算法建立端到端的滚动轴承智能诊断框架；将图数据输入到诊断框架中，优化滚动轴承智能诊断模型；根据优化的滚动轴承智能诊断框架进行滚动轴承不同工况的识别和分类；所述特征提取包括，将长度为N的原始时间序列数据Q划分为长度为d的子样本，并为每个子样本分配相对应的标签，其中两两子样本之间没有重叠，子样本集表示为： 其中，x表示子样本y表示子样本对应的标签，S是得到的子样本集，n代表子样本数量；对所得到的子样本集S进行聚合操作：fΦS＝Φx1，x2，…，xn其中，x1,x2,...,xn表示子样本S中的数据点，Φ表示聚合函数；通过聚合操作子样本集T被表示为：T＝fΦS1,fΦS2,…,fΦSn＝[T1，T2，…，Tn]其中fΦSi为对子样本Si使用聚合函数Φ后得到的结果，Tn对应于采样点n的信号值；采用有着m-1个不同核函数长度s∈[2,m]的一维卷积算子Conνs处理得到的子样本集T，T的特征序列通过下式计算可得： 其中Convs·表示卷积核长度为s且步长为1的一维卷积层，m为控制两个时间采样点之间距离的一个超参数；采用非激活函数ReLU对进行处理，上述过程表示为： 其中，表示节点i和j之间边的权重；所述图映射包括，通过将一维卷积得到的特征序列按照对角线平行方向进行排列，构建一个n×n的特征矩阵MT，将给定的时间序列数据Q映射成G＝V,E； 所述改良的DiffPool图分类算法包括，将DiffPool作为一个可微分图池化模块，通过对深层GNN每一层节点学习一个可微分软集群分配，将节点映射到一组集群中并保留重要节点信息，形成下一个GNN层的粗化输入，形成图的分层表示，并以端对端的模式与各种图神经网络架构结合；所述滚动轴承不同工况的识别包括多通道数据拼接，对于多通道数据序列，两个通道分别表示为：P＝[P1,P2,…,Pj,…Pn]Q＝[Q1,Q2,…,Qj,…Qn]通过AcvGraph算法将每个通道的时间数据序列映射为相对应的图Gp＝Vp,Ep和GQ＝VQ,EQ，采用不含全连接层的DiffPool分别处理GP和GQ以得到各自的特征向量ZP和ZQ，将特征向量ZP和ZQ进行拼接，得到最终的节点特征向量ZPQ: 将最终的节点特征向量输入到连接层中用于分类；采用加速度传感器采集机械设备运行过程中的振动信号，当输入数据为多通道数据P和Q时，通过AcvGraph算法将两者映射为GP和GQ，用改进的DiffPool模型分别对图GP和GQ进行处理得到各自相对应的特征向量ZP和ZQ，将特征向量ZP和ZQ进行拼接得到最终的节点特征向量ZPQ，通过输入到全连接层进行处理，得到不同类型的标签，达到分类目标；当输入数据为单通道数据时，处理方式除去拼接操作，剩余操作与双通道数据处理方式一致，仍为将时间序列数据通过AcvGraph算法转换成图数据，通过DiffPool得到相对应的特征向量，并输入到全连接层中，实现分类的效果。

全文数据：

权利要求：

百度查询： 北京建筑大学 一种基于自适应聚合可视图的轴承智能诊断方法及系统

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD