[发明专利]轴承故障检测及定位方法及检测定位模型实现系统和方法

摘要

本发明提供了一种轴承故障检测及定位方法及检测定位模型实现系统和方法。对滚动轴承的无标签分类数据进行数据预处理后，输入到训练好的特征学习及检测模型，解决滚动轴承在多个故障模式下的快速检测及定位问题，通过最小化损失函数对每一种分类结果出现的概率投票进行统计；如果某故障特征得票数最多，即确定该故障为当前估计的故障模式并定位故障部位。整个特征学习过程不需要任何人工的特征提取过程，特征学习算法以原始数据作为输入，而且学习过程采用无监督的特征学习过程，通过深度的数据扩充和投影，所提取的轴承故障特征可以实现高效的自表达，解决了有标签数据获取困难的问题，并且具有很高的检测及定位精度特点。

主权项

一种适用于轴承故障检测及定位的检测模型实现系统，其特征在于：包括，数据预处理模块，对滚动轴承无标签非平稳原始数据，依次进行去趋势处理和污染处理；检测模块，接收数据预处理模块输出的数据，并将该数据进行恢复为数据预处理前的数据样本，实现对原始数据的自表达；由5层深度特征学习及检测模型组成，第1层和第2层采用去噪自编码器实现，第3层和第4层采用受限玻尔兹曼机实现；第5层采用逻辑斯特回归进行投票检测及定位轴承故障；所述检测模块包括，数据扩充模块，包括所述第1层和第2层，第1层的输出作为第2层的输入；设置第1层节点数是输入维数的N倍，将输入数据映射到一个N倍高维空间，实现数据扩充及可分性的功能，并对提取更加抽象特征的第二个隐层节点数进行压缩；所述N大于等于2小于等于5；数据投影模块，包括所述第3层和第4层，采用受限玻尔兹曼机级联得到两层深度置信网络对去噪自编码器的输出进行投影。