申请/专利权人：合肥工业大学

申请日：2024-04-02

公开（公告）日：2024-06-28

公开（公告）号：CN118258606A

主分类号：G01M13/04

分类号：G01M13/04;G01R31/34;G01R19/00;G06N3/0464;G06F18/241

优先权：

专利状态码：在审-公开

法律状态：2024.06.28#公开

摘要：本发明公开了一种复杂噪声环境下电动叉车牵引电机的轴承故障诊断方法，包括：1、在正常工作环境下采集电动叉车电机的工作相电流；2、构建相电流数据集并构建一维的卷积神经网络，包括：一个输入层、K个隐藏层、一个输出层，每个隐藏层包括一维卷积单元、压缩单元、线性整流单元和正则化单元；3、网络对数据进行处理并得到故障预测结果；4、对卷积神经网络进行训练与优化，得到训练好的电动叉车牵引电机轴承故障诊断模型。本发明有较好的环境噪声抗干扰能力，对数据的采集与处理的精确度很高，能够及时、准确地反应电动叉车牵引电机轴承在电机正常运行时的机械状况，在工程实际运用中有极高的实用价值。

主权项：1.一种复杂噪声环境下电动叉车牵引电机的轴承故障诊断方法，其特征在于，包括如下步骤：步骤1：利用相电流测量环节获取电动叉车牵引电机A相、B相、C相任意一相电流在t时刻的单相故障电流数据集It＝{i1,t,i2,t,i3,t,...,in,t,...,iN,t}，其中，in,t表示t时刻的第n条单相电流，0≤t≤Ts，Ts为总采样时间；0＜n≤N，N为故障相电流的总数；令in,t的标签值为bn,t，其中，b∈[1,D]，D为故障的种类数；步骤2：构建一维卷积神经网络，包括：一个输入层、K个隐藏层、一个输出层；其中，每个隐藏层均包括：一维卷积单元、压缩单元、线性整流单元和正则化单元；步骤2.1：所述输入层对in,t输进行卷积处理，得到故障卷积特征in,t*；步骤2.2：当k＝1时，in,t*输入第k个隐藏层中，并由一维卷积单元对in,t*进行处理，得到第k个信息隐藏状态Wn,t,k，再经过第k个隐藏层的压缩单元的处理后，得到第k个故障信息特征Xn,t,k，由第k个隐藏层的线性整流单元对Xn,t,k进行处理，得到第k个故障修正特征zn,t,k，zn,t,k输入k个隐藏层的正则化单元中进行处理，得到第k个最终故障特征Jn,t,k；当k＝2,3,…,K时，Jn,t,k-1输入所述第k个隐藏层中进行处理，得到第k个故障特征Jn,t,k，最终由第K个隐藏层输出第K个故障特征Jn,t,K；步骤2.3：输出层对Jn,t,K进行处理，得到in,t的预测标签值bn,t*并输出；步骤4：基于bn,t和bn,t*，构建一维卷积神经网络的交叉熵损失函数，并利用梯度下降法对卷积神经网络进行训练时，计算所述交叉熵损失函数以更新网络参数，直到交叉嫡损失函数收敛时停止训练，从而得到训练好的电动叉车牵引电机轴承故障诊断模型，用于对电动叉车牵引电机工作时的异常相电流进行故障预测。

全文数据：

权利要求：

百度查询： 合肥工业大学 复杂噪声环境下电动叉车牵引电机的轴承故障诊断方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD