(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 202111484418.0 (22)申请日 2021.12.07 (71)申请人 北京航天数据股份有限公司 地址 100088 北京市海淀区丹棱 街16号海 兴大厦B座1层F101 1号 (72)发明人 孙彬　王相鲁　张淑琬　胡渊　 武美君　 (74)专利代理 机构 北京超凡宏宇专利代理事务 所(特殊普通 合伙) 11463 代理人 彭星 (51)Int.Cl. G06F 30/17(2020.01) G06F 30/27(2020.01) G06F 119/02(2020.01) (54)发明名称 一种轴承故障分析方法、 装置、 电子设备及 存储介质 (57)摘要 本申请提供了一种轴承故障分析方法、 装 置、 电子设备及存储介质， 其中， 该方法包括： 获 取轴承振动数据样本； 其中， 轴承振动数据样本 中包括多种轴承在多类故障状态下以及在正常 状态下的多条一维轴承振动数据； 将其按照观测 轴承的时间排列成一维轴承振动时间序列并进 行动态时间规整处理， 得到长短期记忆神经网络 的模型参数； 基于模型参数构建长短期记忆神经 网络， 并对其进行迭代训练； 将待检测轴承振动 数据输入训练好的长短期记忆神经网络中进行 故障分析， 输出待检测轴承振动数据对应的轴承 故障类别， 可以解决现有技术中不便确定神经网 络的模型参数、 无法精准识别轴承故障类别的问 题， 从而达到 快速、 简便、 准确识别轴承 是否处于 故障状态的效果。 权利要求书2页 说明书8页 附图2页 CN 114139316 A 2022.03.04 CN 114139316 A 1.一种轴承故障分析 方法， 其特 征在于， 包括： 获取轴承振动数据样本； 其中， 所述轴承振动数据样本中包括多种轴承在多类故障状 态下以及 在正常状态下的多条一维轴承 振动数据； 将所述多条一维振动数据按照观测轴 承的时间排列成一维轴承振动时间序列， 并对所 述一维轴承 振动时间序列进行动态时间规整处 理， 得到长短期记 忆神经网络的模型参数； 基于所述模型参数构建所述长短期记忆神经网络， 并利用所述轴 承振动数据样本 中的 训练集对所述长短期记 忆神经网络进行迭代训练； 将待检测轴承振动数据输入训练好的所述长短期记忆神经网络中进行故障分析， 输出 待检测轴承 振动数据对应的轴承故障类别。 2.根据权利要求1所述的方法， 其特征在于， 将所述多条振动数据按照观测轴 承的时间 排列成一维轴承振动时间序列， 并对所述一维轴承振动时间序列进行动态时间规整处理， 得到长短期记 忆神经网络的模型参数的步骤， 包括： 将所述多条振动数据按照观测轴承的时间排列成一维轴承 振动时间序列； 按照多个不同时间间隔， 分别将所述一维轴 承振动时间序列划分为相应数量的轴承振 动时间子序列； 其中， 所述时间 间隔不大于所述 一维轴承 振动时间序列的预设比例长度； 针对每个时间间隔， 计算每个相邻时间段的两个轴 承振动时间子序列之间的时间相似 度， 并计算所有相邻时间段对应的各时间相似度的累加 和； 按照多个不同时间间隔从小到大的顺序， 将多个不同时间间隔对应的时间相似度的累 加和转换为时间相似度的累加 和序列； 查找所述时间相似度的累加 和序列中先减小再增大的分布拐点； 将所述分布拐点对应的时间 间隔的数值确定为长短期记 忆神经网络的时序持续 步长。 3.根据权利要求2所述的方法， 其特征在于， 将所述多条振动数据按照观测轴 承的时间 排列成一维轴承振动时间序列， 并对所述一维轴承振动时间序列进行动态时间规整处理， 得到长短期记 忆神经网络的模型参数的步骤， 还 包括： 将所述一维轴承振动时间序列的长度与所述时序持续步长的商确定为长短期记忆神 经网络的输入节点数。 4.根据权利要求2所述的方法， 其特征在于， 按照多个不同时间间隔， 分别将所述一维 轴承振动时间序列划分为相应数量的轴承 振动时间子序列的步骤， 包括： 按照固定时间间隔， 将所述一维轴 承振动时间序列划分为第 一数量的轴 承振动时间子 序列； 循环执行所述固定时间间隔自增一， 按照更新后的固定时间间隔， 将所述一维轴承振 动时间序列划分为第二数量的轴承振动时间子序列， 直至更新后的固定时间间隔大于所述 轴承振动时间序列的预设比例长度。 5.根据权利要求3所述的方法， 其特征在于， 基于所述模型参数构建所述长短期记忆神 经网络的步骤， 包括： 基于所述时序持续步长和所述输入节点数， 构建包括3个LSTM层、 1个全连接层和1个 softmax层的所述长短期记 忆神经网络 。 6.根据权利要求1所述的方法， 其特 征在于， 所述方法还 包括： 利用所述轴承振动数据样本中的测试集对训练好的所述长短期记忆神经网络进行测权　利　要　求　书 1/2 页 2 CN 114139316 A 2试。 7.根据权利要求1所述的方法， 其特征在于， 所述多类故障包括外圈故障、 内圈故障和 滚珠故障中的至少之一。 8.一种轴承故障分析装置， 其特 征在于， 包括： 获取模块， 用于获取轴承振动数据样本； 其中， 所述轴承振动数据样本中包括多种轴 承 在多类故障状态下以及 在正常状态下的多条一维轴承 振动数据； 处理模块， 用于将所述多条一维振动数据按照观测轴承的时间排列成一维轴 承振动时 间序列， 并对所述一维轴承振动时间序列进行动态 时间规整处理， 得到长短期记忆神经网 络的模型参数； 训练模块， 用于基于所述模型参数构建所述长短期记忆神经网络， 并利用所述轴承振 动数据样本中的训练集对所述长短期记 忆神经网络进行迭代训练； 分析模块， 用于将待检测轴 承振动数据输入训练好的所述长短期记忆神经网络 中进行 故障分析， 输出待检测轴承 振动数据对应的轴承故障类别。 9.一种电子设备， 其特征在于， 包括： 处理器、 存储器和总线， 所述存储器存储有所述处 理器可执行 的机器可读指令， 当电子设备运行时， 所述处理器与所述存储器之间通过总线 通信， 所述处 理器执行所述机器可读指令， 以执 行如权利要求1至7任一所述方法的步骤。 10.一种计算机可读存储介质， 其特征在于， 所述计算机可读存储介质上存储有计算机 程序， 所述计算机程序被处 理器运行时执 行如权利要求1至7任一所述方法的步骤。权　利　要　求　书 2/2 页 3 CN 114139316 A 3