本發(fā)明屬于機械故障診斷，涉及一種螺栓故障診斷模型的構(gòu)建方法及診斷方法、系統(tǒng)和設(shè)備。

背景技術(shù)：

1、在現(xiàn)代工業(yè)流程中，早期階段的故障檢測非常重要，可以避免故障并危及安全的結(jié)果，并降低維護成本和機器停機時間。關(guān)于螺栓的故障檢測，目前可以實現(xiàn)以檢測到的變化時間作為退化過程的開始時間，從而預測螺栓的剩余使用壽命，并且一旦檢測到變化，就可以根據(jù)模式分類技術(shù)在初始階段識別出潛在故障類型。而振動測量在提供軸承健康狀況的快速解釋和指示方面具有優(yōu)勢，振動檢測技術(shù)作為一種非接觸式檢測方法，可以檢測到螺栓故障損失產(chǎn)生的縱波、橫波、表面波等，可以實現(xiàn)無損測量，使用范圍更加廣泛。

2、然而，目前從實際工程場景中收集到的振動信號總是很復雜。除了背景噪聲和干擾之外，這種復雜性還包括頻譜中的復雜變化、非線性行為等。換句話說，振動信號是非平穩(wěn)的。這一事實導致了平均值和均方根等能夠用于描述動力學健康狀態(tài)的統(tǒng)計指標的不確定性和不準確性。第二個原因是，在初始階段，變化信息的出現(xiàn)/存在非常微弱。這種初始階段的微弱信息通常會被強烈的環(huán)境噪聲淹沒，從而使識別條件變得非常困難。因此，現(xiàn)有技術(shù)中已經(jīng)進行了各種改進的研究工作來克服這些挑戰(zhàn)。

3、圖模型(gm)是一種有效的描述非平穩(wěn)信號之間的相關(guān)性和依賴性的方法，被用于機器監(jiān)測。它在統(tǒng)計學中已被證明是有用的，可以吸收原始振動信號中的高噪聲。然而，圖模型(gm)沒有考慮頻率成分之間的差異的影響，這意味著特定頻率下的微弱變化可能會被淹沒或甚至丟失在構(gòu)建的圖表中，進而影響螺栓的故障檢測的準確性。

技術(shù)實現(xiàn)思路

1、為了克服上述現(xiàn)有技術(shù)的缺點，本發(fā)明的目的在于提供一種螺栓故障診斷模型的構(gòu)建方法及診斷方法、系統(tǒng)和設(shè)備，本發(fā)明能夠生成精度較高的螺栓故障診斷模型，該螺栓故障診斷模型能夠?qū)崿F(xiàn)螺栓的故障的精確檢測診斷。

2、為了達到上述目的，本發(fā)明采用以下技術(shù)方案予以實現(xiàn)：

3、第一方面，本發(fā)明提供一種螺栓故障診斷模型的構(gòu)建方法，包括以下步驟：

4、獲取螺栓運行狀態(tài)的振動信號，根據(jù)運行狀態(tài)的振動信號構(gòu)建數(shù)據(jù)集；

5、對運行狀態(tài)的振動信號進行預處理得到預處理振動信號；

6、提取預處理振動信號的故障特征數(shù)據(jù)；

7、對故障特征數(shù)據(jù)的每個數(shù)據(jù)段進行分層處理，得到多個低頻和高頻組件，對每個低頻和高頻組件構(gòu)建圖模型，并計算圖模型與數(shù)據(jù)集的圖相似度得分，通過自適應(yīng)輸入加權(quán)融合技術(shù)將所有低頻和高頻組件的圖相似度得分合并為一個整體的相似度指標；

8、采用卷積神經(jīng)網(wǎng)絡(luò)算法結(jié)合相似度指標對已有的數(shù)據(jù)集進行模型訓練，得到螺栓故障診斷模型。

9、第二方面，本發(fā)明提供一種螺栓故障診斷方法，包括以下步驟：

10、獲取螺栓運行狀態(tài)的振動信號；

11、將運行狀態(tài)的振動信號輸入權(quán)利要求1至7任一所述的螺栓故障診斷模型中進行螺栓故障診斷。

12、第三方面，本發(fā)明提供一種螺栓故障診斷模型的構(gòu)建系統(tǒng)，包括：

13、數(shù)據(jù)獲取模塊：用于獲取螺栓運行狀態(tài)的振動信號，根據(jù)運行狀態(tài)的振動信號構(gòu)建數(shù)據(jù)集；

14、預處理模塊：用于對運行狀態(tài)的振動信號進行預處理得到預處理振動信號；

15、特征提取模塊：用于提取預處理振動信號的故障特征數(shù)據(jù)；

16、特征融合模塊：用于對故障特征數(shù)據(jù)的每個數(shù)據(jù)段進行分層處理，得到多個低頻和高頻組件，對每個低頻和高頻組件構(gòu)建圖模型，并計算圖模型與數(shù)據(jù)集的圖相似度得分，通過自適應(yīng)輸入加權(quán)融合技術(shù)將所有低頻和高頻組件的圖相似度得分合并為一個整體的相似度指標；

17、模型生成模塊：用于采用卷積神經(jīng)網(wǎng)絡(luò)算法結(jié)合相似度指標對已有的數(shù)據(jù)集進行模型訓練，得到螺栓故障診斷模型。

18、第四方面，本發(fā)明提供一種電子設(shè)備，包括：處理器；存儲器，用于存儲計算機程序指令；用于執(zhí)行所述計算機程序時實現(xiàn)螺栓故障診斷模型的構(gòu)建方法的步驟。

19、與現(xiàn)有技術(shù)相比，本發(fā)明具有以下有益效果：

20、1、本發(fā)明方法通過獲取螺栓運行狀態(tài)的振動信號，根據(jù)運行狀態(tài)的振動信號構(gòu)建數(shù)據(jù)集，以便于模型的建立；對運行狀態(tài)的振動信號進行預處理得到預處理振動信號，以消除數(shù)據(jù)量綱和規(guī)模帶來的影響，去除環(huán)境噪音、機械干擾等不相關(guān)的信號成分，以保留由螺栓故障產(chǎn)生的振動信號，有利于提高生成的模型的精度；提取預處理振動信號的故障特征數(shù)據(jù)，用于生成螺栓故障診斷模型；對故障特征數(shù)據(jù)的每個數(shù)據(jù)段進行分層處理，得到多個低頻和高頻組件，對每個低頻和高頻組件構(gòu)建圖模型，能更好地捕捉信號中的復雜變化模式，并計算圖模型與數(shù)據(jù)集的圖相似度得分，通過自適應(yīng)輸入加權(quán)融合技術(shù)將所有低頻和高頻組件的圖相似度得分合并為一個整體的相似度指標，以獲得更準確的健康狀態(tài)評估，并實現(xiàn)特征可視化；采用卷積神經(jīng)網(wǎng)絡(luò)算法結(jié)合相似度指標對已有的數(shù)據(jù)集進行模型訓練，得到螺栓故障診斷模型，進一步保證了模型的精度。

21、2、本發(fā)明系統(tǒng)，包括：數(shù)據(jù)獲取模塊、預處理模塊、特征提取模塊、特征融合模塊和模型生成模塊；數(shù)據(jù)獲取模塊用于獲取螺栓運行狀態(tài)的振動信號，根據(jù)運行狀態(tài)的振動信號構(gòu)建數(shù)據(jù)集；預處理模塊用于對運行狀態(tài)的振動信號進行預處理得到預處理振動信號；特征提取模塊用于提取預處理振動信號的故障特征數(shù)據(jù)；特征融合模塊用于對故障特征數(shù)據(jù)的每個數(shù)據(jù)段進行分層處理，得到多個低頻和高頻組件，對每個低頻和高頻組件構(gòu)建圖模型，并計算圖模型與數(shù)據(jù)集的圖相似度得分，通過自適應(yīng)輸入加權(quán)融合技術(shù)將所有低頻和高頻組件的圖相似度得分合并為一個整體的相似度指標；模型生成模塊用于采用卷積神經(jīng)網(wǎng)絡(luò)算法結(jié)合相似度指標對已有的數(shù)據(jù)集進行模型訓練，得到螺栓故障診斷模型。各個模塊相互配合，能夠生成較為精確的螺栓故障診斷模型，該螺栓故障診斷模型能夠?qū)崿F(xiàn)螺栓的故障的精確診斷。

22、3、本發(fā)明設(shè)備同樣能夠生成較為精確的螺栓故障診斷模型，該螺栓故障診斷模型能夠?qū)崿F(xiàn)螺栓的故障的精確診斷。

技術(shù)特征：

1.螺栓故障診斷模型的構(gòu)建方法，其特征在于，包括以下步驟：

2.根據(jù)權(quán)利要求1所述的螺栓故障診斷模型的構(gòu)建方法，其特征在于，所述獲取螺栓運行狀態(tài)的振動信號的步驟具體如下：

3.根據(jù)權(quán)利要求1所述的螺栓故障診斷模型的構(gòu)建方法，其特征在于，所述螺栓運行狀態(tài)的振動信號分為以下五類：健康、螺栓磨損、螺栓裂紋、螺栓變形以及腐蝕螺栓的運行狀態(tài)的振動信號。

4.根據(jù)權(quán)利要求1所述的螺栓故障診斷模型的構(gòu)建方法，其特征在于，所述對運行狀態(tài)的振動信號進行預處理得到預處理振動信號的步驟具體如下：

5.根據(jù)權(quán)利要求1所述的螺栓故障診斷模型的構(gòu)建方法，其特征在于，所述提取預處理振動信號中的故障特征數(shù)據(jù)的步驟具體如下：

6.根據(jù)權(quán)利要求1所述的螺栓故障診斷模型的構(gòu)建方法，其特征在于，所述故障特征數(shù)據(jù)包括十個時域特征和六個頻域特征，具體如下：

7.根據(jù)權(quán)利要求1所述的螺栓故障診斷模型的構(gòu)建方法，其特征在于，所述對故障特征數(shù)據(jù)的每個數(shù)據(jù)段進行分層處理，得到多個低頻和高頻組件的步驟具體如下：

8.螺栓故障診斷方法，其特征在于，包括以下步驟：

9.一種用于實現(xiàn)權(quán)利要求1至7任一所述方法的螺栓故障診斷模型的構(gòu)建系統(tǒng)，其特征在于，包括：

10.一種電子設(shè)備，包括：處理器；存儲器，電子設(shè)備用于存儲計算機程序指令；其特征在于，用于執(zhí)行所述計算機程序時實現(xiàn)如權(quán)利要求1-7任一項所述的螺栓故障診斷模型的構(gòu)建方法的步驟。

技術(shù)總結(jié)
本發(fā)明屬于機械故障診斷技術(shù)領(lǐng)域，涉及一種螺栓故障診斷模型的構(gòu)建方法及診斷方法、系統(tǒng)和設(shè)備。本發(fā)明方法通過獲取螺栓運行狀態(tài)的振動信號，根據(jù)運行狀態(tài)的振動信號構(gòu)建數(shù)據(jù)集；對運行狀態(tài)的振動信號進行預處理得到預處理振動信號；提取預處理振動信號的故障特征數(shù)據(jù)；對故障特征數(shù)據(jù)的每個數(shù)據(jù)段進行分層處理，得到多個低頻和高頻組件，對每個低頻和高頻組件構(gòu)建圖模型，并計算圖模型與數(shù)據(jù)集的圖相似度得分，通過自適應(yīng)輸入加權(quán)融合技術(shù)將所有低頻和高頻組件的圖相似度得分合并為一個整體的相似度指標；采用卷積神經(jīng)網(wǎng)絡(luò)算法結(jié)合相似度指標對已有的數(shù)據(jù)集進行模型訓練，得到精度較高的螺栓故障診斷模型，實現(xiàn)螺栓的故障的精確檢測診斷。

技術(shù)研發(fā)人員：吳易洋,劉立營,寧望望,王明亮,張小林,沙淩磊
受保護的技術(shù)使用者：西安熱工研究院有限公司
技術(shù)研發(fā)日：
技術(shù)公布日：2024/12/19