一种轴承故障诊断方法、装置及设备与流程

本发明涉及机械故障诊断领域，特别是指一种轴承故障诊断方法、装置及设备。

背景技术：

1、滚动轴承是大多数机械设备的关键零部件之一，它的故障会引起整个设备的故障，因此轴承故障诊断非常有意义，但轴承故障的发生具有突发性和非规律性，不同故障具有不同的发生频率，且由于时间、人力、物力等方面的限制，难以获得所有故障样本的标签数据集，标签数据集包括有标签数据集和无标签数据集；其中，有标签数据集是指被标记为特定类别或类型的数据集，即知道数据集对应的故障类型；无标签数据集是指没有被标记为特定类别或类型的数据集，即仅有数据集，但不知道数据集对应的故障类型；传统的轴承故障诊断方法对有标签数据集低于预设值且无标签数据集不均衡的检测数据进行故障诊断时，存在诊断精准低的问题。

技术实现思路

1、本发明提供一种轴承故障诊断方法、装置及设备。解决了传统的轴承故障诊断方法在进行轴承故障诊断过程中，对有标签数据低于预设值且无标签数据不均衡的待诊断数据进行诊断时存在诊断精准低的问题。

2、为解决上述技术问题，本发明的技术方案如下：

3、本发明的实施例提出一种轴承故障诊断方法，包括：

4、获取待诊断轴承驱动端的多组加速度数据，其中，每组加速度数据内均包括多个加速度数据点；

5、对多组加速度数据进行数据预处理，确定无标签数据集和有标签数据集；

6、根据所述无标签数据集和有标签数据集，确定待诊断轴承的目标隶属度；

7、根据所述待诊断轴承的目标隶属度，确定待诊断轴承的故障诊断结果。

8、可选的，对多组加速度数据进行数据预处理，确定无标签数据集和有标签数据集，包括：

9、对每组加速度数据分别进行特征提取，得到每组加速度数据所对应的模态奇异值；

10、对每组加速度数据分别进行均值计算，确定每组加速度数据的均值；

11、根据每组加速度数据的均值和模态奇异值，确定每组加速度数据所对应的特征数据；

12、对每组特征数据进行分类处理，确定无标签数据集和有标签数据集。

13、可选的，根据所述无标签数据集和有标签数据集，确定待诊断轴承的目标隶属度，包括：

14、获取初始参数，所述初始参数包括：全局模糊加权指数m、有标签数据集中标签数据的类别数量c、第一类动态迭代模糊加权指数的上阈值mmax和下阈值mmin、预设迭代次数ite以及目标函数收敛阈值ε；

15、根据所述有标签数据集，确定有标签数据集中每类标签数据的第一聚类中心；

16、根据所述第一聚类中心和初始参数，确定无标签数据集中每组特征数据的隶属度；

17、根据隶属度和第一聚类中心，通过公式确定价值函数j；

18、根据所述价值函数j，确定价值函数j的收敛阈值εj；其中，εj＝|j(t)-j(t-1)|；

19、当价值函数j的收敛阈值εj小于预设目标函数收敛阈值ε时，将当前隶属度作为目标隶属度输出；

20、当价值函数j的收敛阈值εj大于或等于预设目标函数收敛阈值ε时，对所述隶属度进行迭代处理，直至所述价值函数j的收敛阈值εj小于预设目标函数收敛阈值ε或迭代次数等于预设迭代次数ite时为止，并将当前隶属度作为目标隶属度输出；

21、其中，uij为无标签数据集中第j组特征数据属于有标签数据集中第i类别的隶属度，c表示有标签数据集中标签数据的类别数量，dij＝＝||ci-xj＝||为有标签数据集中第i类标签数据的第一聚类中心ci与无标签数据集中第j组特征数据xj的欧几里德距离，xj为无标签数据集中第j组特征数据，m为全局模糊加权指数，n为无标签数据集中特征数据的组数，ji为第i类价值函数，j(t)为第t次迭代的价值函数，j(t-1)为第t-1次迭代的价值函数。

22、可选的，根据所述有标签数据集，确定有标签数据集中每类标签数据的第一聚类中心，包括：

23、根据所述有标签数据集，通过公式确定有标签数据集中每类标签数据的第一聚类中心；

24、其中，ci表示有标签数据集中第i类标签数据的第一聚类中心，ki为有标签数据集中第i类标签数据中特征数据的组数，yij为有标签数据集中第i类标签数据中的第j组特征数据，u(t-1)ij表示第t-1次迭代中无标签数据集中第j组特征数据属于有标签数据集中第i类别的隶属度，t为当前迭代次数；xj为无标签数据集中第j组特征数据；n为无标签数据集中特征数据的组数；m为全局模糊加权指数。

25、可选的，根据所述第一聚类中心和初始参数，确定无标签数据集中每组特征数据的隶属度，包括：

26、根据所述第一聚类中心和初始参数，通过公式确定无标签数据集中每组特征数据的隶属度；

27、其中，u(t)ij表示第t次迭代中无标签数据集中第j组特征数据属于有标签数据集中第i类别的隶属度，＝dij＝||ci-xj||为有标签数据集中第i类标签数据的第一聚类中心ci与无标签数据集中第j组特征数据xj的欧几里德距离；dkj＝||ck-xj||为有标签数据集中第k类标签数据的第一聚类中心ck与无标签数据集中第j组特征数据xj的欧几里德距离；m为全局模糊加权指数，f(·)为归一化函数，mi为第i类标签数据的第一类动态迭代模糊加权指数，xj为无标签数据集中第j组特征数据，c为有标签数据集中标签数据的类别数量，t为当前迭代次数。

28、可选的，所述第一类动态迭代模糊加权指数具体为：

29、

30、其中，mi为第i类标签数据的第一类动态迭代模糊加权指数；t为预设隶属度值，c为有标签数据集中标签数据的类别数量，n为无标签数据集中特征数据的组数，ni为根据上一次迭代后的隶属度最大值原则，确定的有标签数据集中第i类包含的无标签数据组数，m为全局模糊加权指数，m大于1，mmax为第一类动态迭代模糊加权指数的上阈值，mmin第一类动态迭代模糊加权指数的下阈值。

31、可选的，对所述隶属度进行迭代处理，包括：

32、基于所述上一次迭代的隶属度和迭代次数，对所述第一聚类中心进行迭代更新处理，得到第二聚类中心；

33、基于所述第二聚类中心，对所述隶属度进行迭代处理。

34、本发明的实施例还提供一种轴承故障诊断装置，包括：

35、获取模块，用于获取待诊断轴承驱动端的多组加速度数据，其中，每组加速度数据内均包括多个加速度数据点；

36、处理模块，用于对多组加速度数据进行数据预处理，确定无标签数据集和有标签数据集；根据所述无标签数据集和有标签数据集，确定待诊断轴承的目标隶属度；根据所述待诊断轴承的目标隶属度，确定待诊断轴承的故障诊断结果。

37、本发明的实施例还提供一种计算设备，包括：处理器、存储有计算机程序的存储器，所述计算机程序被处理器运行时，执行上述的轴承故障诊断方法。

38、本发明的实施例还提供一种计算机可读存储介质，存储指令，当所述指令在计算机上运行时，使得计算机执行上述的轴承故障诊断方法。

39、本发明的上述方案至少包括以下有益效果：

40、本发明的上述方案所述的轴承故障诊断方法通过获取待诊断轴承驱动端的多组加速度数据，其中，每组加速度数据内均包括多个加速度数据；对多组加速度数据进行数据预处理，确定无标签数据集和有标签数据集；根据所述无标签数据集和有标签数据集，确定待诊断轴承的目标隶属度；根据所述待诊断轴承的目标隶属度，确定待诊断轴承的故障诊断结果。实现了对有标签数据低于预设值且无标签数据不均衡的待诊断数据的精准诊断，提高了轴承故障诊断的准确率。