买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：北京航空航天大学

摘要：本发明涉及机械设备故障诊断技术领域，具体涉及一种基于多输入多通道并行卷积神经网络的轴承故障诊断方法，包括在待诊断轴承的外壳安装振动传感器，记录所述待诊断轴承运行时产生的振动时间序列，作为原始振动信号；对所述原始振动信号进行交叠截取，获取样本信号；对所述样本信号进行特征提取，获取时域振动波形特征、统计参量特征和时频域图像特征，构建融合抽象特征数据集；基于所述融合抽象特征数据集，将待测试轴承的融合抽象特征输入多输入多通道并行卷积神经网络，识别待测试轴承的故障类别；本发明能够提高轴承诊断结果的准确性和可靠性。

主权项：1.一种基于多输入多通道并行卷积神经网络的轴承故障诊断方法，其特征在于，包括以下步骤：步骤S1、在待诊断轴承的外壳安装振动传感器，记录所述待诊断轴承运行时产生的振动时间序列，作为原始振动信号；步骤S2、对所述原始振动信号进行交叠截取，获取样本信号；步骤S3、对所述样本信号进行特征提取，获取时域振动波形特征、统计参量特征和时频域图像特征；基于所述样本信号的时域振动波形特征、统计参量特征和时频域图像特征构建融合抽象特征数据集；步骤S4、将所述融合抽象特征数据集划分为训练集和测试集，基于所述训练集对多输入多通道并行卷积神经网络进行训练，将所述测试集中的融合抽象特征输入训练好的多输入多通道并行卷积神经网络，得到待诊断轴承的故障类别；步骤S2具体包括：通过预设长度的时间窗口在原始振动信号上进行固定时间距离的滑动，截取原始振动信号在所述时间窗口位置的值，得到各段截取信号，所述各段截取信号存在交叠，将各段截取信号的集合确定为所述样本信号；截取信号的表达式如下所示： 其中，为获取到的截取信号的索引，为第段截取信号，为原始振动信号，为时间窗口的移动距离，表示时间窗口的长度，为时间；步骤S3具体包括：步骤S3-1、对所述样本信号进行变分模态分解得到样本信号的各频率分量，基于最佳频率分量选取指标对所述各频率分量进行选择和重构，将重构得到的重构信号进行hilbert变换得到包络信号，将包络信号确定为所述时域振动波形特征；步骤S3-2、计算所述包络信号的均方值、方差、峭度、裕度因子、排列熵和重心频率，作为所述统计参量特征；步骤S3-3、对所述包络信号进行时频分析，获取所述包络信号的频率-时间分布图，作为所述时频域图像特征；步骤S3-4、将样本信号的所述时域振动波形特征、统计参量特征和时频域图像特征的集合作为所述融合抽象特征数据集；步骤S3-1具体包括：变分模态分解的约束模型如下所示： 其中，表示变分模态分解后的第i个频率分量，i为频率分量索引，表示第i个频率分量对应的中心频率，表示分解信号个数，表示求导符号，表示狄利克雷函数，表示虚数单位，表示圆周率，*表示卷积操作，表示L2范数，表示遍历各频率分量和中心频率，使得括号内的表达式达到最小值，为第段截取信号；通过变分模态分解，获取样本信号的各频率分量，对各频率分量计算最佳频率分量选取指标的数值，计算方式为： 其中，表示频率分量的峭度值，表示频率分量的排列熵值，表示频率分量的包络谱幅值熵；选取指标最大的频率分量作为基础进行信号重构，获得重构信号，对重构信号进行hilbert变换求取包络信号，将包络信号直接作为待诊断轴承的时域振动波形特征。

全文数据：

权利要求：

百度查询： 北京航空航天大学 基于多输入多通道并行卷积神经网络的轴承故障诊断方法