(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111498873.6 (22)申请日 2021.12.09 (71)申请人 重庆理工大 学 地址 400000 重庆市巴南区花溪街道红光 大道69号 (72)发明人 程瑶　贾宁　杨飞宇　田又源　 高晨斐　 (74)专利代理 机构 石家庄德皓专利代理事务所 (普通合伙) 1312 9 代理人 王梦幻 (51)Int.Cl. G06F 30/17(2020.01) G06F 30/27(2020.01) G06F 119/02(2020.01) (54)发明名称 一种滚动轴承故障诊断模型建立方法及建 立系统 (57)摘要 本发明涉及一种基于VMD ‑WVD和SSA参数优 化DBN的滚动轴承故障诊断模型。 该模型建立方 式如下： 获取滚动轴承在不同振动状态下的多个 振动信号， 首先， 通过变分模态分解将振动信号 分解为一系列不同频率的BIM F。 比较每个BIM F的 方差贡献率。 通过WVD将贡献率最大的BIMF信号 从一维时域信号转换为二维特征谱， 从而得到故 障状态的二维特征矩阵。 利用SSA的全局优化能 力对DBN参数组合进行优 化得到优化DBN， 将二维 特征矩阵输入值优化DBN， 从而得到DBN的最佳网 络结构， 即为得到滚动轴承故障。 结果表明， 本发 明建立的模 型能够提高信号特征提取能力， 在全 局优化条件 下解决问题， 提高了故障诊断的准确 性。 权利要求书2页 说明书10页 附图5页 CN 114201830 A 2022.03.18 CN 114201830 A 1.一种滚动轴承故障诊断模型建立方法， 其特 征在于， 所述方法包括： 获取滚动轴承在正常振动状态下的多个正常振动信号， 在外圈故障振动状态下的多个 外圈故障振动信号， 在内圈故障振动状态下 的多个内圈故障振动信号， 以及在滚动体故障 振动状态下的多个滚动体故障振动信号； 对每个振动信号进行特征提取， 得到包含有多个正常矩阵、 多个外圈故障矩阵、 多个 内 圈故障矩阵和多个滚动体故障矩阵的数据集； 利用SSA的全局优化能力对DBN的参数进行优化得到优化DBN； 将所述数据集输入至所述优化后的DBN中进行训练， 得到所述滚动轴承故障诊断模型。 2.根据权利要求1所述的一种 滚动轴承故障诊断模型建立方法， 其特征在于， 所述对每 个振动信号进 行特征提取， 得到包含有多个正常矩阵、 多个外圈故障矩阵、 多个内圈故障矩 阵和多个滚动体故障矩阵的数据集， 包括： 针对每个正常振动信号， 依次通过VMD和WVD进行时频变化后得到正常矩阵； 针对每个内圈故障振动信号， 依次通过VMD和WVD进行时频变化后得到 外圈故障矩阵； 针对每个内圈故障振动信号， 依次通过VMD和WVD进行时频变化后得到内圈故障矩阵； 针对每个滚动体故障振动信号， 依次通过VMD和WVD进行时频变化后得到滚动 体故障矩 阵； 将所有的正常矩阵、 外圈故障矩阵、 内圈故障矩阵和滚动体故障矩阵保存至数据集中。 3.根据权利要求2所述的一种 滚动轴承故障诊断模型建立方法， 其特征在于， 所述针对 每个正常振动信号， 依次通过VMD和WVD进行时频变化后得到正常矩阵， 包括： 针对每个正常振动信号， 通过VMD将所述正常振动信号分解为不同频率的多个正常 BIMF， 比较每个正常BIMF的方差贡献率， 通过WVD将贡献率最大的正常BIMF从一维时域信号 转换为二维特征谱， 得到所述 正常矩阵。 4.根据权利要求3所述的一种 滚动轴承故障诊断模型建立方法， 其特征在于， 采用以下 公式比较 每个正常BIMF的方差贡献率： 其中， uk(j)为原信号经过VMD分解得到j个IMF分量， mseb(i)为IMFi的方差贡献率， N为 信号长度。 5.根据权利要求1所述的一种 滚动轴承故障诊断模型建立方法， 其特征在于， 所述利用 SSA的全局优化能力对DBN的参数进行优化得到优化后的DBN， 包括： S301、 设置SSA的所有预设参数并初始化最大迭代次数和搜索 预设范围， 所述预设参数 包括预设麻雀数量、 预设感知危险的麻雀数量、 以及预设警戒值； S302、 初始化麻雀位置并计算适应度， 将待优化DBN训练数据的RMSE作为SSA的适应度 函数； S303、 比较每个麻雀个 体的估计适应度， 得到麻雀的最优位置和最差位置； S304、 当判断当前优化迭代次数达到最大迭代次数， 则结束迭代并输出所述最优位置，权　利　要　求　书 1/2 页 2 CN 114201830 A 2用所述最优位置训练待优化DBN， 得到具有最优学习率和最优批量大小的优化DBN。 6.根据权利要求5所述的一种 滚动轴承故障诊断模型建立方法， 其特征在于， 所述步骤 还包括： S305、 当判断当前优化迭代次数未达到最大迭代次数时， 更新每个麻雀个体的位置及 其适应度， 重新初始化， 设定新的搜索范围， 所述新的搜索范围位于所述搜索预设范围之 外； S306、 将当前最优位置作为DBN训练部分的参数值， 得到初始优化DBN； S307、 比较每个麻雀个 体的估计适应度， 得到麻雀的最优位置； S308、 判断当前优化迭代次数是否达到最大迭代次数， 执行步骤S304或步骤S305， 得到 优化DBN。 7.根据权利要求5所述的一种 滚动轴承故障诊断模型建立方法， 其特征在于， 所述将所 述数据集输入至所述优化后的DBN中进行训练， 得到所述滚动轴承故障诊断模型， 包括： 依据振动状态， 将所述数据集划分为多个测试集和多个测试集， 每个所述训练集和所 述测试集均携带有用于指示振动状态的标签； 将多个测试集输入至所述优化后的DBN中进行训练， 得到训练后的DBN； 将多个所述测试集输入至训练后的DBN中测试 所述训练后的DBN的分类效果； 当确定所述分类效果达到预设效果时， 将所述训练后的DBN作为滚动轴承故障诊断模 型。 8.一种滚动轴承故障诊断模型建立系统， 其特 征在于， 其包括： 获取模块， 其用于获取滚动轴承在正常振动状态下的多个正常振动信号， 在外圈故障 振动状态下 的多个外圈故障振动信号， 在内圈故障振动状态下的多个内圈故障振动信号， 以及在滚动体故障振动状态下的多个滚动体故障振动信号； 数据集生成模块， 其用于对每个振动信号进行特征提取， 得到包含有多个正常矩阵、 多 个外圈故障矩阵、 多个内圈故障矩阵和多个滚动体故障矩阵的数据集； 优化模块， 其用于利用S SA的全局优化能力对DBN的参数进行优化得到优化DBN； 模型生成模块， 其用于将所述数据集输入至所述优化后的DBN中进行训练， 得到所述滚 动轴承故障诊断模型。 9.一种计算机可读存储介质， 用于存储计算机指令， 其特征在于， 所述计算机指令被处 理器执行时， 完成如权利要求1 ‑7任一所述的滚动轴承故障诊断模型建立方法。 10.一种电子设备， 其特征在于， 包括存储器和处理器以及存储在存储器上并在处理器 上运行的计算机指 令， 所述计算机指 令被处理器运行时， 完成如权利要求 1‑7任一所述的滚 动轴承故障诊断模型建立方法。权　利　要　求　书 2/2 页 3 CN 114201830 A 3