公开(公告)号：CN115310369A

公开(公告)日：2022-11-08

申请号：CN202211127247.0

申请日：2022-09-16

Applicant: 辽宁工程技术大学

Inventor： 高永新 ,  肖宇 ,  聂振伟

IPC: G06F30/27 ,  G06F30/17 ,  G06F119/02

Abstract: 本发明公开了一种轴承故障检测装置及深度强化学习算法，包括底板以及传动装置和测试装置；传动装置包括电机箱、第一轴承座、连接孔、伺服电机、减速器、第一锥齿轮、第二锥齿轮、传动轴承和主轴，底板的顶端固定连接电机箱，电机箱的内部顶端安装有伺服电机，底板的顶端固定连接第一轴承座；测试装置包括箱门、第二轴承座、故障轴承、电动推杆、噪声传感器、开口、支撑座、顶座、控制面板、显示屏、单片机和测试箱，底板的顶端两侧均固定连接测试箱，测试箱的顶端固定连接顶座。本发明实现了故障诊断的自动提取以及噪声环境下端到端的智能故障诊断，通过深度学习网络有效提取各故障的故障特征，以深度强化学习模型完成各个故障类型的识别。

公开(公告)号：CN115455830A

公开(公告)日：2022-12-09

申请号：CN202211127142.5

申请日：2022-09-16

Applicant: 辽宁工程技术大学

Inventor： 高永新 ,  聂振伟 ,  肖宇

IPC: G06F30/27 ,  G06K9/62 ,  G01M13/045 ,  G06F119/02

Abstract: 本发明公开了一种基于分组卷积的残差网络的滚动轴承故障诊断方法，包括采集不同位置传感器返回的振动加速度信号，构建各传感器下的故障样本集；以各故障样本为节点，故障样本的连接关系为边，采用限定半径最近邻法构建各传感器下的故障样本图；基于卷积神经网络层，结合全连接层、非线性激活层以及分组残差块构建基于分组卷积的残差网络故障诊断模型；对构建的基于分组卷积的残差网络故障诊断模型进行训练、调参以及评估；在构建的组卷积的残差网络故障诊断模型的输入端加入高斯白噪声以达到模拟实际滚动轴承工作环境，并根据前向传递计算得到振动加速度信号的频域特征，完成故障诊断。本发明能够精准提取故障特征，提高轴承故障诊断的准确率。