[发明专利]一种目标故障信息的确定方法和装置

说明书

本申请涉及一种目标故障信息的确定方法和装置，其中，该方法包括：在目标设备运行过程中，获取滚动部件的参考结构参数以及参考振动信号数据，其中，滚动部件为目标设备包括的部件；根据参考结构参数以及参考振动信号数据确定滚动部件的目标故障信息。本申请解决了滚动部件故障诊断的及时性以及准确性较差的技术问题。

技术领域

本申请涉及计算机领域，尤其涉及一种目标故障信息的确定方法和装置。

背景技术

随着机械设备的迅速发展，人们对机械设备生产、使用的全寿命周期内表现出的可靠性、安全性和稳定性有着更为苛刻的要求，然而，绝大多数机械设备往往工作于恶劣的环境中交变复杂频繁、转速高、负载大，致使轴承极易发生故障，最终导致机械设备失效，部分机械设备较难进行事后维修，即使开展维修，轻则影响生产进度，重则会导致生产人员伤亡等不堪后果，因此，采用监控手段监控轴承性能就显得格外重要。

针对上述的问题，目前尚未提出有效的解决方案。

发明内容

本申请提供了一种目标故障信息的确定方法和装置，以至少解决相关技术中滚动部件故障诊断的及时性以及准确性较差的技术问题。

根据本申请实施例的一个方面，提供了一种目标故障信息的确定方法，包括：在目标设备运行过程中，获取滚动部件的参考结构参数以及参考振动信号数据，其中，所述滚动部件为所述目标设备包括的部件；根据所述参考结构参数以及所述参考振动信号数据确定所述滚动部件的目标故障信息。

可选地，根据所述参考结构参数以及所述参考振动信号数据确定所述滚动部件的所述目标故障信息包括：通过特征生成模型生成与所述参考结构参数对应的目标结构特征，以及与所述参考振动信号数据对应的目标振动信号特征；根据所述目标结构特征以及所述目标振动信号特征确定所述滚动部件的目标故障信息。

可选地，通过所述特征生成模型生成与所述参考结构参数对应的所述目标结构特征，以及与所述参考振动信号数据对应的所述目标振动信号特征包括：通过BP残差神经网络模型生成与所述参考结构参数对应的目标结构特征；通过深度残差卷积神经网络模型生成与所述参考振动信号数据对应的目标振动信号特征。

可选地，通过所述BP残差神经网络模型生成与所述参考结构参数对应的所述目标结构特征包括：对所述参考结构参数进行归一化处理，以得到处理后的目标结构参数；通过所述BP残差神经网络模型生成与所述目标结构参数对应的所述目标结构特征。

可选地，通过所述深度残差卷积神经网络模型生成与所述参考振动信号数据对应的所述目标振动信号特征包括：根据经验模态分解处理法对所述参考振动信号数据进行分解处理，以得到分解后的目标振动信号数据；通过所述深度残差卷积神经网络模型生成与所述目标振动信号数据对应的所述目标振动信号特征。

可选地，根据所述目标结构特征以及所述目标振动信号特征确定所述滚动部件的所述目标故障信息包括：将所述目标结构特征和所述目标振动信号特征合并，以得到滚动部件特征集；通过故障诊断模型生成与所述滚动部件特征集对应的所述目标故障信息。

可选地，通过所述故障诊断模型生成与所述滚动部件特征集对应的所述目标故障信息包括利用所述故障诊断模型执行以下操作以生成所述目标故障信息：对所述滚动部件特征集进行目标计算，以确定所述滚动部件被确定为多个预设故障信息中包括的每个所述预设故障信息的概率值；将所述概率值中的最大概率值对应的所述预设故障信息确定为所述目标故障信息。