[发明专利]一种轴承故障检测方法、装置及设备

说明书

本申请公开一种轴承故障检测方法、装置及设备，所述方法包括：基于变分模态分解，将采集到的振动信号分解至不同的频带，得到属于不同频带的模态分量；其中，所述振动信号来自待检测轴承；提取各个模态分量的特征，并基于各个模态分量的特征确定所述振动信号的特征向量；将所述振动信号的特征向量作为经过训练的自动编码器的输入参数，由所述自动编码器对所述特征向量进行高阶特征提取，得到所述振动信号的高阶特征；利用分类器对所述振动信号的高阶特征进行分类，并将得到的分类结果作为所述待检测轴承的故障检测结果。本申请基于变分模态分解和深度降噪自动编码器实现对轴承故障的检测，能够在保证检测效率的前提下，提高检测结果的准确性。

技术领域

本申请涉及故障诊断领域，具体涉及一种轴承故障检测方法、装置及设备。

背景技术

滚动轴承是旋转机械重要的支撑部件，也是易损部件，广泛应用于各种大型工业装备中，如风力发电机、航空发动机、高铁动车组等。滚动轴承工作状态的好坏直接关系到整个工业装备的性能及运行安全，滚动轴承故障轻则造成装备停机影响运行生产，重则机毁人亡造成灾难性事故。所以，有效的对滚动轴承进行状态监测和故障检测，以便及时采取合理的维护策略来保障装备安全运行具有重要的研究意义和应用价值。

现有的轴承故障检测方法主要是基于对振动信号的处理方法和技术实现的，目前的一种轴承故障检测方法中，基于人工提取的轴承振动信号的特征建立浅层模型，用于识别轴承的故障类型。

由于人工提取振动信号的特征费时费力，同时基于人工提取的振动信号的特征建立的模型准确性得不到保证，所以，目前亟需一种高效准确的对轴承故障进行检测的方法。

发明内容

为解决上述问题，本申请提供了一种轴承故障检测方法、装置及设备，具体技术方案如下：

第一方面，本申请提供了一种轴承故障检测方法，所述方法包括：

基于变分模态分解，将采集到的振动信号分解至不同的频带，得到属于不同频带的模态分量；其中，所述振动信号来自待检测轴承；

提取各个模态分量的特征，并基于各个模态分量的特征确定所述振动信号的特征向量；

将所述振动信号的特征向量作为经过训练的深度降噪自动编码器的输入参数，由所述深度降噪自动编码器对所述特征向量进行高阶特征提取，得到所述振动信号的高阶特征；

利用分类器对所述振动信号的高阶特征进行分类，并将得到的分类结果作为所述待检测轴承的故障检测结果。

可选的，所述将所述振动信号的特征向量作为经过训练的深度降噪自动编码器的输入参数，经过所述深度降噪自动编码器的处理后，得到所述待检测轴承的检测结果之前，还包括：

获取特征向量样本集，所述特征向量样本集包括振动信号和故障类型的对应关系；

利用所述特征向量样本集，对自动编码器进行训练，得到经过训练的自动编码器。

可选的，所述方法还包括：

根据所述待检测轴承的故障检测结果，利用反向传播算法调优所述深度降噪自动编码器的参数。

可选的，所述基于各个模态分量的特征确定所述振动信号的特征向量之前，还包括：

计算所述振动信号的预设第一数量的时域有量纲指标和预设第二数量的时域无量纲指标；

相应的，所述基于各个模态分量的特征确定所述振动信号的特征向量，包括：

基于各个模态分量的特征，并结合所述预设第一数量的时域有量纲指标和所述预设第二数量的时域无量纲指标，确定所述振动信号的特征向量。