电机轴承故障诊断方法、系统、计算机及存储介质

本发明属于车检测，具体地涉及电机轴承故障诊断方法、系统、计算机及存储介质。

背景技术：

1、牵引电机轴承是用于支撑和承受牵引电机旋转部分（如电机转子）的重要机械元件，在列车中十分常见。牵引电机轴承在电机运行中扮演关键角色，其允许电机的旋转部分在运行过程中平稳旋转，同时承受来自电机负荷和振动的力量。对牵引电机轴承进行故障诊断有助于提高列车的可靠性、可用性和效率，降低维护成本，提高安全性，延长设备寿命。

2、随着人工智能技术的不断发展，牵引电机轴承故障诊断已经逐渐从传统故障诊断向智能故障诊断迈进。传统故障诊断方法通常对业务人员的专业知识和工作经验依赖性较高，所以会出现主观判断的情况。传统故障诊断方法通常都采取定期检测和维护设备，就需要每年投入大量资金来支持工作开展。传统故障诊断方法通常分为特征提取和模式识别两部分来进行，在进行人工特征提取时很难对特征进行充分提取，过分依赖于人工干预和手动数据分析，需要较长时间来进行诊断，在需要迅速采取措施的情况下，这可能是一个严重的缺点。综合来说，虽然传统方法在过去发挥过重要作用，但随着科技进步和发展，更加智能化的故障诊断方法更加符合现阶段人类的需求。

3、但是现有的智能化故障诊断方法故障诊断时，发现牵引电机轴承故障通常伴随着异常噪音，这些异常噪音会干扰故障特征的准确检测。

技术实现思路

1、为了解决上述技术问题，本发明提供了电机轴承故障诊断方法、系统、计算机及存储介质系统，用于解决现有的牵引电机轴承故障诊断方法受异常振动和噪音干扰，导致检测准确度较低的技术问题。

2、一方面，该发明提供以下技术方案，一种电机轴承故障诊断方法，所述方法包括：

3、获取电机轴承的振动信号，对所述振动信号进行时域处理分析，并将符合预设振动幅度的时域处理后的所述振动信号作为原始信号；

4、利用矩阵公式将所述原始信号构造为二维信号数据，将所述二维信号数据分解为若干组基础信号，利用奇异值能量差分谱、并根据能量计算公式计算每一组所述基础信号的能量值，根据所述能量值将所述基础信号的噪声信号分离，以得到有用信号；

5、利用转换处理公式对所述有用信号进行处理，以获得二维时频图像，同时利用模态区间数学定义对所述有用信号进行模态区间化，以获得区间化信号；

6、创建并训练得到双处理的诊断模型，将所述二维时频图像及所述区间化信号输入至所述诊断模型内，以得到所述电机轴承的故障类型及故障所处的位置。

7、相比现有技术，本申请的有益效果为：通过奇异值能量差分谱与能量计算公式的配合，解决了对牵引电机轴承振动信号分解后重构矩阵有效阶次如何进行确定的问题，从而减少了外部环境带来的噪声干扰对识别率产生影响的问题；另外通过利用转换处理公式以获得二维时频图像，可以充分的对时频特征信号进行反应，高质量的保留振动信号里包含的信息，准确的表示出列车牵引电机轴承不同故障情况下运行状态，同时利用模态区间，更进一步处理列车牵引电机轴承不确定性问题。

8、进一步的，所述矩阵公式包括：

9、

10、式中，为对构造hankel矩阵，、、、都是代表电机轴承数据的数据点，代表一个上限，相当于=++1，表示矩阵横坐标最终值，代表矩阵纵坐标最终值，，代表有用信号空间，代表噪声信号空间。

11、进一步的，所述奇异值能量差分谱的定义为

12、

13、式中，所形成的序列称为奇异值能量差分谱，表示奇异值从i=1到i=的平方，表示奇异值从i=2到i=+1的平方，e表示信号能量。

14、进一步的，所述转换处理公式包括：

15、

16、公式中，表示时频分辨率，表示时域中的时间，表示频率，表示一个随时间变化的周期性函数，表示复频率虚部，表示电机轴承降噪后的信号，表示平移量，表示高斯窗函数，表示高斯窗函数的移动程度；其中，，且表示参数m调节后频率绝对值的倒数，、分别表示加入参数m后电机轴承降噪后的信号和调节后的高斯窗函数。

17、进一步的，所述能量计算公式包括：

18、

19、式中，e表示信号能量，表示奇异值从i=1到i=的平方，表示总的阶次，也就是到为止。

20、进一步的，所述二维时频图像及所述区间化信号输入至所述诊断模型内的步骤包括：

21、将所述二维时频图像输入至所述诊断模型内，输出所述电机轴承的故障类型，将所述区间化信号输入至所述诊断模型内，输出所述电机轴承的故障所处的位置。

22、进一步的，所述双处理的诊断模型包括embedding模块、positional encoder模块、stacking模块及output head模块。

23、第二方面，该发明提供以下技术方案，所述电机轴承故障诊断系统包括：

24、获取模块，用于获取电机轴承的振动信号，对所述振动信号进行时域处理分析，并将符合预设振动幅度的时域处理后的所述振动信号作为原始信号；

25、除噪模块，用于利用矩阵公式将所述原始信号构造为二维信号数据，将所述二维信号数据分解为若干组基础信号，利用奇异值能量差分谱、并根据能量计算公式计算每一组所述基础信号的能量值，根据所述能量值将所述基础信号的噪声信号分离，以得到有用信号；

26、处理模块，用于利用转换处理公式对所述有用信号进行处理，以获得二维时频图像，同时利用模态区间数学定义对所述有用信号进行模态区间化，以获得区间化信号；

27、检测模块，用于创建并训练得到双处理的诊断模型，将所述二维时频图像及所述区间化信号输入至所述诊断模型内，以得到所述电机轴承的故障类型及故障所处的位置。

28、第三方面，该发明提供以下技术方案，一种计算机，包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上述的电机轴承故障诊断方法。

29、第四方面，该发明提供以下技术方案，一种存储介质，所述存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如上述的电机轴承故障诊断方法。

技术特征：

1.一种电机轴承故障诊断方法，其特征在于，所述方法包括：

2.根据权利要求1所述的电机轴承故障诊断方法，其特征在于，所述矩阵公式包括：

3.根据权利要求1所述的电机轴承故障诊断方法，其特征在于，所述奇异值能量差分谱的定义为

4.根据权利要求1所述的电机轴承故障诊断方法，其特征在于，所述转换处理公式包括：

5.根据权利要求1所述的电机轴承故障诊断方法，其特征在于，所述能量计算公式包括：

6.根据权利要求1所述的电机轴承故障诊断方法，其特征在于，所述二维时频图像及所述区间化信号输入至所述诊断模型内的步骤包括：

7.根据权利要求1所述的电机轴承故障诊断方法，其特征在于，所述双处理的诊断模型包括embedding模块、positional encoder模块、stacking模块及output head模块。

8.一种电机轴承故障诊断系统，其特征在于，

9.一种计算机，包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至7任一项所述的电机轴承故障诊断方法。

10.一种存储介质，其特征在于，所述存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1至7任一项所述的电机轴承故障诊断方法。

技术总结
本发明提供了电机轴承故障诊断方法、系统、计算机及存储介质，所述方法包括获取电机轴承的振动信号；利用矩阵公式将所述原始信号构造为二维信号数据，利用奇异值能量差分谱、并根据能量计算公式计算每一组所述基础信号的能量值，根据所述能量值将所述基础信号的噪声信号分离，以得到有用信号；利用转换处理公式对所述有用信号进行处理，以获得二维时频图像，同时利用模态区间数学定义对所述有用信号进行模态区间化，以获得区间化信号；创建并训练得到双处理的诊断模型，将所述二维时频图像及所述区间化信号输入至所述诊断模型内，以得到所述电机轴承的故障类型及故障所处的位置，减少了外部环境带来的噪声干扰对识别率产生影响的问题。

技术研发人员：谢锋云,汪淦,胡斌,宋成杰,宋明桦,周生通
受保护的技术使用者：华东交通大学
技术研发日：
技术公布日：2024/1/15