公开(公告)号：CN110826607A

公开(公告)日：2020-02-21

申请号：CN201911018641.9

申请日：2019-10-24

Applicant: 北京建筑大学

Inventor： 陈志刚 ,  杜小磊 ,  赵杰 ,  赵志川 ,  白堂博

IPC: G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明实施例公开了一种滚动轴承的故障检测方法及装置，包括：获取目标滚动轴承在多种工况下的轴承振动信号，并选取预设比例的所述轴承振动信号作为训练集；分别按照第一预设占比、第二预设占比在所述训练集中选取第一训练数据、第二训练数据；分别基于所述第一训练数据及所述第二训练数据，对所述目标检测模型进行无监督训练及有监督训练，生成训练好的目标检测模型，以基于所述训练好的目标检测模型进行滚动轴承的故障检测。采用本发明可以有效提高滚动轴承故障检测的鲁棒性和准确性。

公开(公告)号：CN110705525A

公开(公告)日：2020-01-17

申请号：CN201911019625.1

申请日：2019-10-24

Applicant: 北京建筑大学

Inventor： 陈志刚 ,  杜小磊 ,  赵志川 ,  赵杰 ,  白堂博

IPC: G06K9/00 ,  G06K9/62 ,  G06N3/04 ,  G01M13/045

Abstract: 本发明实施例提供一种诊断滚动轴承故障的方法及装置，方法包括：将训练样本进行相关处理，得到时频谱图；基于时频谱图，训练集成深层脊波卷积自编码网络；基于目标滚动轴承的振动数据，利用训练好的集成深层脊波卷积自编码网络，识别目标滚动轴承的故障类型和故障程度。本发明将SSST用于滚动轴承故障诊断，提高了滚动轴承振动信号的时频分辨率，有利于后续DRCAN的自动特征提取；将脊波函数的时、频、方向局部特性与1D-CNN的权值共享、局部感受野的结构思想和DAE自动特征提取能力相结合，构造DRCAN，DRCAN网络学习到的特征在尺度、位移和方向形变上具有特征不变性，增强了网络泛化性能，避免了复杂的人工提取特征过程，可以有效挖掘数据的本质特征。

公开(公告)号：CN110795843B

公开(公告)日：2024-03-29

申请号：CN201911018633.4

申请日：2019-10-24

Applicant: 北京建筑大学

Inventor： 陈志刚 ,  杜小磊 ,  赵志川 ,  赵杰 ,  卢宁

IPC: G06F30/20 ,  G01M13/045

Abstract: 本发明实施例提供一种识别滚动轴承故障的方法及装置，方法包括：将采集到的不同工况下的滚动轴承振动信号进行相关处理；基于相关处理后的滚动轴承振动信号，训练改进卷积神经网络；将目标滚动轴承振动信号输入训练好的改进卷积神经网络，得到目标滚动轴承的故障类型和故障程度。本发明通过改进经验小波变换和归一化处理为后续改进卷积神经网络的自动特征提取提供优秀的训练样本；将卷积神经网络进行改进，使在同一个特征面上，不同的传感器数据配备不同的卷积核，使每个传感器通道的振动数据都有合适的滤波器，可以有效提取数据的本质特征，增强特征提取的鲁棒性，增强网络的泛化性能，可以有效提高滚动轴承的故障识别的鲁棒性和准确性。

公开(公告)号：CN110795843A

公开(公告)日：2020-02-14

申请号：CN201911018633.4

申请日：2019-10-24

Applicant: 北京建筑大学

Inventor： 陈志刚 ,  杜小磊 ,  赵志川 ,  赵杰 ,  卢宁

IPC: G06F30/20 ,  G01M13/045

Abstract: 本发明实施例提供一种识别滚动轴承故障的方法及装置，方法包括：将采集到的不同工况下的滚动轴承振动信号进行相关处理；基于相关处理后的滚动轴承振动信号，训练改进卷积神经网络；将目标滚动轴承振动信号输入训练好的改进卷积神经网络，得到目标滚动轴承的故障类型和故障程度。本发明通过改进经验小波变换和归一化处理为后续改进卷积神经网络的自动特征提取提供优秀的训练样本；将卷积神经网络进行改进，使在同一个特征面上，不同的传感器数据配备不同的卷积核，使每个传感器通道的振动数据都有合适的滤波器，可以有效提取数据的本质特征，增强特征提取的鲁棒性，增强网络的泛化性能，可以有效提高滚动轴承的故障识别的鲁棒性和准确性。