一种涡轮泵轴承故障诊断方法及装置与流程

本发明涉及机械设备故障诊断，尤其涉及一种涡轮泵轴承故障诊断方法及装置。

背景技术：

1、涡轮泵是液体火箭发动机的“心脏”，轴承失效是其最主要故障模式，占火箭发动机系统故障的15.6%。涡轮泵轴承工作热力学环境极为复杂，润滑条件恶劣；在涡轮泵启动、关机及变工况运行阶段受强瞬时冲击时极易导致润滑结构破坏或瞬间干摩擦引起烧蚀、剥落、磨损等，一旦发生故障，将会导致整个火箭发动机系统性能劣化甚至严重事故。因此提升涡轮泵健康状态监测智能化水平对于保障液体火箭发动机运行安全具有重要意义。

2、目前，广泛采用深度学习的方法，通过训练好的卷积神经网络对故障类型进行识别，然而由于故障样本少，训练的卷积神经网络模型的网络参数性能差，导致最终故障识别的精确度低。

技术实现思路

1、本发明的目的在于提供一种涡轮泵轴承故障诊断方法及装置，用于提高涡轮泵轴承故障诊断准确度。

2、为了实现上述目的，本发明提供如下技术方案：

3、一方面，本发明提供一种涡轮泵轴承故障诊断方法，包括：

4、获取涡轮泵多工况运行下的涡轮泵轴承振动信号，并对所述振动信号进行处理得到满足预设条件的时频谱集合；

5、基于所述时频谱集合，对双结构网络模型中的第一结构模型的第一权重以及第二结构模型的第二权重进行更新，直至训练完成；所述第一结构模型和所述第二结构模型结构相同；

6、基于待预测数据，训练完成的双结构网络模型对涡轮泵轴承的故障类型进行预测。

7、与现有技术相比，本发明提供的涡轮泵轴承故障诊断方法，包括：获取涡轮泵多工况运行下的涡轮泵轴承振动信号，并对振动信号进行处理得到满足预设条件的时频谱集合；基于时频谱集，对双结构网络模型中的第一结构模型的第一权重以及第二结构模型的第二权重进行更新，直至训练完成；第一结构模型和第二结构模型结构相同；基于待预测数据，训练完成的双结构网络模型对涡轮泵轴承的故障类型进行预测。本涡轮泵轴承故障诊断方法直接将满足预设条件的时频谱集合作为双结构网络模型的输入，摆脱了传统预测方法中特征提取过程对人工经验的依赖性；通过的训练样本训练双结构网络模型中第一结构模型和第二结构模型的权重，即可获得一个强泛化能力的智能诊断模型，其中，双结构网络模型中第一结构模型学习识别未知样本的知识，第二结构模型由于与第一结构模型结构相同，二者可以进行动态传参，从而引导第一结构模型向正确方向训练，极大提高了网络的训练效率和故障类型预测的准确率，摆脱了现有深度强化学习模型由于自身单网络模型结构导致其易陷入局部最优的弊端；同时本方法能够在样本不足的条件下对涡轮泵轴承故障数据进行定量识别，不仅能够识别同一类别样本的不同故障程度，而且能够准确区分不同失效程度导致的不同故障类别之间的混淆。

8、另一方面，本发明还提供一种涡轮泵轴承故障诊断装置，包括：

9、振动信号获取和处理模块，用于获取涡轮泵多工况运行下的涡轮泵轴承振动信号，并对所述振动信号进行处理得到满足预设条件的时频谱集合；

10、第一权重和第二权重更新模块，用于基于所述时频谱集合，对双结构网络模型中的第一结构模型的第一权重以及第二结构模型的第二权重进行更新，直至训练完成；所述第一结构模型和所述第二结构模型结构相同；

11、故障类型预测模块，用于基于待预测数据，训练完成的双结构网络模型对涡轮泵轴承的故障类型进行预测。

12、与现有技术相比，本发明提供的一种涡轮泵轴承故障诊断装置的有益效果与上述技术方案所述一种涡轮泵轴承故障诊断方法的有益效果相同，此处不做赘述。

技术特征：

1.一种涡轮泵轴承故障诊断方法，其特征在于，包括：

2.根据权利要求1所述涡轮泵轴承故障诊断方法，其特征在于，所述第二结构模型为策略模型；所述基于所述时频谱集合，对双结构网络模型中的第一结构模型的第一权重以及第二结构模型的第二权重进行更新，包括：

3.根据权利要求2所述涡轮泵轴承故障诊断方法，其特征在于，所述判断所述预测故障类型与已知故障类型是否匹配，根据判断结果确定所述第一结构模型的期望奖励，包括：

4.根据权利要求2所述涡轮泵轴承故障诊断方法，其特征在于，所述根据所述第一结构模型的期望奖励对所述第一权重以及所述第二权重进行更新，包括：

5.根据权利要求2所述涡轮泵轴承故障诊断方法，其特征在于，将所述时频谱集合中训练样本对应的时频谱输入到所述双结构网络模型中，得到预测故障类型，包括：

6.根据权利要求2所述涡轮泵轴承故障诊断方法，其特征在于，所述根据所述第一结构模型的期望奖励对所述第一权重以及所述第二权重进行更新，之后还包括：

7.根据权利要求3所述涡轮泵轴承故障诊断方法，其特征在于，所述将所述预测故障类型与已知故障类型进行匹配，若匹配成功，则对应的预测故障类型获得奖励，之后还包括：

8.根据权利要求1所述涡轮泵轴承故障诊断方法，其特征在于，所述获取涡轮泵多工况运行下的涡轮泵轴承振动信号，并对所述振动信号进行处理得到满足预设条件的时频谱集合，包括：

9.根据权利要求1所述涡轮泵轴承故障诊断方法，其特征在于，所述基于待预测数据，训练完成的双结构网络模型对涡轮泵轴承的故障类型进行预测，包括：

10.一种涡轮泵轴承故障诊断装置，其特征在于，包括：

技术总结
本发明公开一种涡轮泵轴承故障诊断方法及装置，涉及机械设备故障诊断技术领域，以解决现有涡轮泵轴承故障诊断准确度低的问题。一种涡轮泵轴承故障诊断方法，包括获取涡轮泵多工况运行下的涡轮泵轴承振动信号，并对振动信号进行处理得到满足预设条件的时频谱集合；基于时频谱集合，对双结构网络模型中的第一结构模型的第一权重以及第二结构模型的第二权重进行更新，直至训练完成；第一结构模型和第二结构模型结构相同；基于待预测数据，训练完成的双结构网络模型对涡轮泵轴承的故障类型进行预测。本发明提供的涡轮泵轴承故障诊断方法，用于提高涡轮泵轴承故障诊断准确度。

技术研发人员：刘子俊,王珺,袁军社,赵瑞国,闫松,张志伟,刘洋,吴琼
受保护的技术使用者：西安航天动力研究所
技术研发日：
技术公布日：2024/1/13