【技术实现步骤摘要】
本专利技术涉及旋转机械装置中关键部件滚动轴承的故障诊断，尤其公开了一种融合本征模态函数和点对称模式的多源信号处理方法。
技术介绍
1、滚动轴承是机械设备中广泛应用的关键部件，其运行状态直接影响整个机械系统的性能和可靠性。然而，由于复杂的工作环境和长期的运行，滚动轴承往往会出现各种故障，如剥落、磨损和疲劳裂纹等。这些故障不仅会降低设备的效率，还可能导致严重的安全隐患。
2、传统的旋转机械故障诊断方法主要通过分析监测信号的时间或频率特征来揭示故障信号中幅度和频率随时间的变化。传统的分析方法包括小波变换、变分模态分解、经验模态分解等，虽然这些传统方法在一定程度上能实现故障特征提取，但在实际问题中仍面临一些问题。例如，在变转速和变负载等工况下，工业现场的监测信号往往呈现非平稳性，并且容易受到噪声干扰，这使得特征提取变得困难。相比之下，设备状态信号中的视觉信息能够反映故障状态的全局特征，从而抑制工况变化的影响。因此，利用视觉信息来提取故障特征是一种适当的方法，可以更有效地识别和诊断机械故障大多数研究人员使用基于笛卡尔坐标系的时频图像与实际故障特征之间并没有直观的映射关系。
3、使用对称点模式(symmetrized dot pattern，sdp)方法可以直接将原始信号变换为镜像对称雪花图像，通过图形的视觉差异准确反映信号的变化。然而，基于sdp方法的滚动轴承故障诊断方法主要依赖于单一数据源，如振动信号、温度信号等。单一数据源往往难以全面反映滚动轴承的复杂故障模式，导致故障诊断的准确性和鲁棒性受到限制。此外，为了实
4、综上所述，如何在工作条件复杂、运行环境不稳定等情况下考虑不同传感器之间的互补性，通过多源数据提取有效故障振动特征是滚动轴承故障诊断面临的一大难题。
技术实现思路
1、本专利技术提供了一种融合本征模态函数和点对称模式的多源信号处理方法，旨在解决现有技术存在的上述缺陷中的至少一种。
2、本专利技术的涉及一种融合本征模态函数和点对称模式的多源信号处理方法，包括以下步骤：
3、获取滚动轴承的多源信号数据，并根据多源信号数据，采用基于点对称模式的融合本征模态函数多源信号处理方法生成融合的多源信号sdp图像；源信号数据包括由多个传感器收集到的振动、扭矩、电流、力信号和数据采集说明文件；
4、采用mobilevit-scconv分类模型对多源信号sdp图像进行分类预测；
5、将多源数据融合图像随机划分为训练集、验证集和测试集，使用mobilevit-scconv分类模型更新训练集的模型参数，根据在验证集上的结果迭代进行训练，然后利用测试集评估分类预测的效果，实现滚动轴承的故障诊断。
6、进一步地，获取滚动轴承的多源信号数据，并根据多源信号数据，采用基于点对称模式的融合本征模态函数多源信号处理方法生成融合的多源信号sdp图像的步骤包括：
7、对每种传感器采集的原始信号进行归一化，将归一化后的多源信号数据通过sdp方法生成融合的多源信号sdp图像；
8、对多源信号sdp图像进行经验模态分解，分解为有限个本征模函数；
9、选取本征模函数的第一个本征模态函数，先将第一个本征模态函数进行归一化，然后将包含扭矩和力信号的第一个本征模态函数分别打印在多源数据融合的sdp图像内圈；将包含振动、第一电流和第二电流信号的第一个本征模态函数打印在极坐标图像外圈。
10、进一步地，对每种传感器采集的原始信号进行归一化，将归一化后的多源信号数据通过sdp方法生成融合的多源信号sdp图像的步骤中，原始信号通过以下公式进行归一化：
11、
12、其中，和xk分别是归一化后的数据集和原始数据集中第k个样本，max(x)和min(x)分别是训练数据的最大值和最小值。
13、进一步地，对每种传感器采集的原始信号进行归一化，将归一化后的多源信号数据通过sdp方法生成融合的多源信号sdp图像的步骤中，将归一化后的多源信号数据xtq、xfc、xvb、xcr1、xcr2通过sdp方法生成融合的多源信号sdp图像，其中，xtq、xfc、xvb、xcr1、xcr2分别是指扭矩、力、振动、第一电流和第二电流传感器数据：
14、
15、
16、其中，r(k)是xk在极坐标的极径，xk是原始数据集中第k个样本，θs为初始旋转角度，i是用于标绘的时间滞后系数，xk+i是原始数据集中第k+i个样本，γ是放大系数，ns为总传感器数量之和；ψ+(k)为点在极坐标中的正角度，ψ-(k)为点在极坐标中的负角度，ns为传感器类别。
17、进一步地，对多源信号sdp图像进行经验模态分解，分解为有限个本征模函数的步骤中，本征模函数为：
18、
19、其中，x(k)是本征模函数，n是imf分量的数量，imfn(k)是第n个本征模态函数，r(k)是残余分量。
20、进一步地，选取本征模函数的第一个本征模态函数，先将第一个本征模态函数进行归一化，然后将包含扭矩和力信号的第一个本征模态函数分别打印在多源数据融合的sdp图像内圈；将包含振动、第一电流和第二电流信号的第一个本征模态函数打印在极坐标图像外圈的步骤中，第一个本征模态函数包括x′tq、x′fc、x′vb、x′cr1和x′cr2，其中x′tq、x′fc、x′vb、x′cr1和x′cr2分别指xtq、xfc、xvb、xcr1、xcr2经过经验模态分解的第一个本征模态函数。
21、进一步地，采用mobilevit-scconv分类模型对多源信号sdp图像进行分类预测的步骤包括：
22、将多源信号sdp图像输入3x3卷积层进行初步特征提取；
23、使用mobilenetv2的倒置残差块对初步特征进行特征转换和降采样：首先通过1x1卷积对初步特征进行通道扩展，然后利用3x3深度可分离卷积进行空间特征提取，最后再通过1x1卷积将特征图通道数恢复到原始大小；
24、通过对输入特征xt∈rh×w×c应用3x3卷积核，其中xt∈rh×w×c代表通过多层卷积和非线性激活函数逐步提取的更高级别的特征特征，实现局部感知和特征提取获得xl∈rh×w×d，其中，xl∈rh×w×d代表通过多层卷积的局部结构信息特征，其中，h和w分别是输入图像的高度和宽度，c和d分别为输入输出的通道数；
25、将特征图展平并划分为若干不重叠的图像块xu∈rp×n×d，随后，将每个图像块中相同位置的像素p∈{1，...，p}输入到transfo本文档来自技高网...
【技术保护点】
1.一种融合本征模态函数和点对称模式的多源信号处理方法，其特征在于，包括以下步骤：
2.如权利要求1所述的融合本征模态函数和点对称模式的多源信号处理方法，其特征在于，所述获取滚动轴承的多源信号数据，并根据所述多源信号数据，采用基于点对称模式的融合本征模态函数多源信号处理方法生成融合的多源信号SDP图像的步骤包括：
3.如权利要求2所述的融合本征模态函数和点对称模式的多源信号处理方法，其特征在于，所述对每种传感器采集的原始信号进行归一化，将归一化后的多源信号数据通过SDP方法生成融合的多源信号SDP图像的步骤中，所述原始信号通过以下公式进行归一化：
4.如权利要求3所述的融合本征模态函数和点对称模式的多源信号处理方法，其特征在于，所述对每种传感器采集的原始信号进行归一化，将归一化后的多源信号数据通过SDP方法生成融合的多源信号SDP图像的步骤中，将归一化后的多源信号数据Xtq、Xfc、Xvb、Xcr1、Xcr2，通过SDP方法生成融合的多源信号SDP图像，其中，Xtq、Xfc、Xvb、Xcr1、Xcr2分别是指扭矩、力、振动、第一电流和第二电流传
5.如权利要求4所述的融合本征模态函数和点对称模式的多源信号处理方法，其特征在于，所述对所述多源信号SDP图像进行经验模态分解，分解为有限个本征模函数的步骤中，所述本征模函数为：
6.如权利要求5所述的融合本征模态函数和点对称模式的多源信号处理方法，其特征在于，所述选取所述本征模函数的第一个本征模态函数，先将所述第一个本征模态函数进行归一化，然后将包含扭矩和力信号的第一个本征模态函数分别打印在多源数据融合的SDP图像内圈；将包含振动、第一电流和第二电流信号的第一个本征模态函数打印在极坐标图像外圈的步骤中，所述第一个本征模态函数包括X′tq、X′fc、X′vb、X′cr1和Xcr2，其中X′tq、X′fc、X′vb、X′cr1和X′cr2分别指Xtq、Xfc、Xvb、Xcr1、Xcr2经过经验模态分解的第一个本征模态函数。
7.如权利要求1所述的融合本征模态函数和点对称模式的多源信号处理方法，其特征在于，所述采用MobileViT-SCConv分类模型对所述多源信号SDP图像进行分类预测的步骤包括：
8.如权利要求7所述的融合本征模态函数和点对称模式的多源信号处理方法，其特征在于，所述将特征图展平并划分为若干不重叠的图像块XU∈RP×NXd，随后，将每个图像块中相同位置的像素p∈{1，...，P}输入到Transformer编码器进行编码，获得输出XG∈RP×N×d的步骤中，输出的XG∈RP×N×d通过以下公式计算出：
...【技术特征摘要】
1.一种融合本征模态函数和点对称模式的多源信号处理方法，其特征在于，包括以下步骤：
2.如权利要求1所述的融合本征模态函数和点对称模式的多源信号处理方法，其特征在于，所述获取滚动轴承的多源信号数据，并根据所述多源信号数据，采用基于点对称模式的融合本征模态函数多源信号处理方法生成融合的多源信号sdp图像的步骤包括：
3.如权利要求2所述的融合本征模态函数和点对称模式的多源信号处理方法，其特征在于，所述对每种传感器采集的原始信号进行归一化，将归一化后的多源信号数据通过sdp方法生成融合的多源信号sdp图像的步骤中，所述原始信号通过以下公式进行归一化：
4.如权利要求3所述的融合本征模态函数和点对称模式的多源信号处理方法，其特征在于，所述对每种传感器采集的原始信号进行归一化，将归一化后的多源信号数据通过sdp方法生成融合的多源信号sdp图像的步骤中，将归一化后的多源信号数据xtq、xfc、xvb、xcr1、xcr2，通过sdp方法生成融合的多源信号sdp图像，其中，xtq、xfc、xvb、xcr1、xcr2分别是指扭矩、力、振动、第一电流和第二电流传感器数据：
5.如权利要求4所述的融合本征模态函数和点对称模式的多源信号处理方法，其特征在于，所述对所述多源信号sdp图像进行经验模态分解，...
【专利技术属性】
技术研发人员：彭成，肖宏日，周晓红，唐朝晖，桂卫华，袁鑫攀，
申请(专利权)人：湖南工业大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。