申请/专利权人：北京交通大学

申请日：2021-12-29

公开（公告）日：2024-04-19

公开（公告）号：CN114298110B

主分类号：G06F18/2415

分类号：G06F18/2415;G06F18/2431;G06F18/214;G06F18/213;G06N3/0464;G06N3/047;G06N3/048;G06N3/08;G01M13/045

优先权：

专利状态码：有效-授权

法律状态：2024.04.19#授权;2022.04.26#实质审查的生效;2022.04.08#公开

摘要：本发明提供一种基于可解释1DCNN模型的滚动轴承故障诊断方法及系统，属于设备故障诊断技术领域，同时采集多组滚动轴承振动信号和转速信号数据，并将数据划分为训练集和测试集；对振动信号做包络解调得到包络信号，同时将转速信号转换为广义解调算子；然后利用广义解调算子在敏感频率带内对包络信号做广义解调，得到频率特征向量；将一维频率特征输入到1DCNN模型中做训练，将测试集中得到的频率特征向量输入到1DCNN中做测试，输出诊断结果；利用LIME对1DCNN模型做分析，得到带有权重的特征值，对模型的诊断结果做出解释。本发明克服了智能诊断模型样本需求大以及可解释性差的问题，在时变转速工况下具有识别度高、样本依赖性小的优点，实际应用强。

主权项：1.一种基于可解释1DCNN模型的滚动轴承故障诊断方法，其特征在于，包括如下步骤：步骤1：同时采集多组滚动轴承振动信号和转速信号数据，并将数据划分为训练集和测试集；步骤2：对训练集中的振动信号做包络解调得到包络信号，将对应的转速信号转换为广义解调算子；步骤3：利用广义解调算子在敏感频率带内对包络信号做广义解调，得到频率特征向量；步骤4：将一维频率特征输入到1DCNN模型中做训练，将测试集中得到的频率特征向量输入到1DCNN中做测试，输出诊断结果；步骤5：利用机器学习解释模型LIME对1DCNN模型做分析，得到带有权重的特征值，对模型的诊断结果做出解释；其中，滚动轴承原始振动信号和转速信号数据包括时变转速下滚动轴承正常、外圈故障、内圈故障、滚动体故障以及复合故障的原始振动信号和转速信号数据；在所述步骤2中：包络信号计算公式为：其中xt为原始振动信号；广义解调算子为：其中，为转速信号的瞬时相位，f0为转速信号的初始频率；在所述步骤3中，利用广义解调算子在敏感频率带内对包络信号做广义解调，得到频率特征向量的具体方法为：步骤31：根据滚动轴承故障诊断知识，滚动轴承各个部位的故障特征频率计算公式如下： 其中，fr为转速信号得到的转速频率，f0为滚动轴承外圈故障特征频率，fi为内圈故障特征频率，fb为滚动体故障特征频率，Z为滚动体个数，D为轴承节圆直径，d为滚动体直径，a为接触角；步骤32：敏感频率带为：Zf＝[2πf-Ω1,2πf+Ω2]其中，f为频率点，取值为fr,2fr,fo,2fo,3fo,fi,2fi,3fi,fb,2fb,3fb，Ω1,Ω2分别为区间的左右频率点；步骤33：结合广义解调算子和敏感频率带对包络信号做广义傅里叶变换，具体公式为： 其中，skt为第k个敏感频率带内的广义解调算子；步骤34：分别截取每个敏感频率带内的频率特征，并将所有的频率特征累加，公式为：其中，hkf为单个敏感频率带内的特征向量，公式为： 其中，fs为采样频率；在所述步骤4中，构造的1DCNN模型先通过第一卷积层的大卷积核对输入的频率特征做特征提取操作，然后采用第一Dropout层对提取到的特征做随机丢失处理；然后采用第二卷积层和第二Dropout层对特征做深度提取操作；最后，通过全连接层和Softmax激活函数计算每个样本故障类型的概率结果，输出最大概率值对应的标签进行分类处理，模型的正向传播过程为：yi＝convK,xi 其中，xi为第i层卷积的输入向量，i的取值为1和2，conv代表卷积操作，K为卷积核的权重，yi为第i层卷积的输出值；zi为第i层Dropout运算结果，p为丢包率，rj为伯努利分布；为模型的输出最大概率值对应的分类标签；在所述步骤5中，LIME用来解释1DCNN模型的分类结果，其目标函数为： 其中，f为需要解释的1DCNN模型，g为LIME构造的可解释模型，πx为构建的数据集中的样本与给定样本之间的距离，Ωg为g的模型复杂度，L为最小化损失函数；样本周围扰动前后的样本相似度πx定义为： 上述目标函数改写为： 其中，fz为扰动样本在被解释模型中的预测值，以该预测值为目标，gz’为LIME构建模型中的预测值，通过该模型的来解释1DCNN的预测结果。

全文数据：

权利要求：

百度查询： 北京交通大学 基于可解释1DCNN模型的滚动轴承故障诊断方法及系统

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