本申請涉及電機軸承故障診斷，特別是涉及一種電機軸承故障診斷方法、裝置、設(shè)備及介質(zhì)。

背景技術(shù)：

1、在高速列車技術(shù)快速發(fā)展的今天，牽引電機作為高速列車的核心動力系統(tǒng)，其可靠性和安全性直接關(guān)系到整個高速列車的運行安全。軸承是牽引電機中的關(guān)鍵部件，其故障不僅會導(dǎo)致牽引電機性能下降，嚴重時還可能引發(fā)重大安全事故。因此，準確診斷牽引電機軸承的故障類型對于保障高速列車的安全運行和降低維護成本具有重要意義。

2、傳統(tǒng)的電機軸承故障診斷方法主要依賴于單一信號的分析，如振動信號或電流信號。然而，在復(fù)雜的工作環(huán)境下，單一信號往往難以全面反映電機軸承的健康狀態(tài)，容易受到噪聲和干擾的影響，導(dǎo)致故障診斷結(jié)果不夠準確。多個信號融合技術(shù)在故障診斷領(lǐng)域引起了廣泛關(guān)注，通過整合多種傳感器信號，能夠提供更全面、更可靠的故障信息，有效提高故障診斷的準確性和魯棒性。但是，目前在進行多個信號融合時往往直接以多個信號共同作為模型輸入，通過模型來進行故障診斷，導(dǎo)致故障診斷精度較低。

技術(shù)實現(xiàn)思路

1、本申請的目的是提供一種電機軸承故障診斷方法、裝置、設(shè)備及介質(zhì)，可提高故障診斷精度。

2、為實現(xiàn)上述目的，本申請?zhí)峁┝巳缦路桨浮?/p>

3、第一方面，本申請?zhí)峁┝艘环N電機軸承故障診斷方法，所述電機軸承故障診斷方法包括：

4、獲取電機軸承的振動信號和電流信號；

5、分別對所述振動信號和所述電流信號進行特征提取，得到所述振動信號的第一時域特征、第一頻域特征和第一能量特征以及所述電流信號的第二時域特征、第二頻域特征和第二能量特征；所述第一能量特征和所述第二能量特征均為能量熵；

6、對所述第一時域特征、所述第一頻域特征、所述第一能量特征、所述第二時域特征、所述第二頻域特征和所述第二能量特征進行特征融合和特征降維，得到融合降維后特征；

7、以所述融合降維后特征作為輸入，利用故障診斷模型確定電機軸承是否存在故障以及存在故障時的故障類型；所述故障診斷模型為支持向量機，所述支持向量機的超參數(shù)通過改進的蜣螂優(yōu)化算法來確定，所述改進的蜣螂優(yōu)化算法是對蜣螂優(yōu)化算法進行改進所得到的算法，所述改進包括：利用logistic混沌映射來初始化種群，利用黃金正弦策略來對蜣螂滾球行為的位置更新公式進行更新，得到第一更新公式，利用多目標選擇策略來對蜣螂繁殖行為的位置更新公式進行更新，得到第二更新公式，利用自適應(yīng)步長和差分進化策略來對蜣螂覓食行為的位置更新公式進行更新，得到第三更新公式，利用動態(tài)權(quán)重策略來對蜣螂偷竊行為的位置更新公式進行更新，得到第四更新公式。

8、第二方面，本申請?zhí)峁┝艘环N電機軸承故障診斷裝置，所述電機軸承故障診斷裝置包括：振動傳感器、電流傳感器和處理器；

9、所述振動傳感器安裝于電機軸承上，所述振動傳感器用于采集電機軸承的振動信號；

10、所述電流傳感器安裝于電機軸承上，所述電流傳感器用于采集電機軸承的電流信號；

11、所述處理器分別與所述振動傳感器和所述電流傳感器通信連接，所述處理器用于執(zhí)行上述的電機軸承故障診斷方法。

12、第三方面，本申請?zhí)峁┝艘环N計算機設(shè)備，包括：存儲器、處理器以及存儲在存儲器上并可在處理器上運行的計算機程序，所述處理器執(zhí)行所述計算機程序以實現(xiàn)上述的電機軸承故障診斷方法。

13、第四方面，本申請?zhí)峁┝艘环N計算機可讀存儲介質(zhì)，其上存儲有計算機程序，該計算機程序被處理器執(zhí)行時實現(xiàn)上述的電機軸承故障診斷方法。

14、根據(jù)本申請?zhí)峁┑木唧w實施例，本申請具有以下技術(shù)效果：

15、本申請?zhí)峁┝艘环N電機軸承故障診斷方法、裝置、設(shè)備及介質(zhì)，獲取電機軸承的振動信號和電流信號，分別對振動信號和電流信號進行特征提取，得到振動信號的第一時域特征、第一頻域特征和第一能量特征以及電流信號的第二時域特征、第二頻域特征和第二能量特征，對第一時域特征、第一頻域特征、第一能量特征、第二時域特征、第二頻域特征和第二能量特征進行特征融合和特征降維，得到融合降維后特征，以融合降維后特征作為輸入，利用故障診斷模型確定電機軸承是否存在故障以及存在故障時的故障類型。本申請通過引入特征提取、特征融合和特征降維，能夠?qū)⒄駝有盘柕奶卣骱碗娏餍盘柕奶卣鬟M行充分融合，得到融合降維后特征，后續(xù)將融合降維后特征輸入故障診斷模型來進行故障診斷，從而充分考慮振動信號和電流信號之間的關(guān)聯(lián)性來進行故障診斷，能夠提高故障診斷精度。

技術(shù)特征：

1.一種電機軸承故障診斷方法，其特征在于，所述電機軸承故障診斷方法包括：

2.根據(jù)權(quán)利要求1所述的電機軸承故障診斷方法，其特征在于，所述第一時域特征和所述第二時域特征均包括：均值、峭度、有效值和峰值因子；

3.根據(jù)權(quán)利要求2所述的電機軸承故障診斷方法，其特征在于，對所述振動信號進行變分模態(tài)分解，得到多個第一本征模態(tài)函數(shù)分量，具體包括：利用基于重構(gòu)精度與模態(tài)獨立性的雙指標綜合評估方法確定對所述振動信號進行變分模態(tài)分解時所用的第一分解層數(shù)，按照所述第一分解層數(shù)對所述振動信號進行變分模態(tài)分解，得到多個第一本征模態(tài)函數(shù)分量；

4.根據(jù)權(quán)利要求3所述的電機軸承故障診斷方法，其特征在于，利用基于重構(gòu)精度與模態(tài)獨立性的雙指標綜合評估方法確定對所述振動信號進行變分模態(tài)分解時所用的第一分解層數(shù)，具體包括：設(shè)計多個第一初始分解層數(shù)；對于每一個所述第一初始分解層數(shù)，按照所述第一初始分解層數(shù)對所述振動信號進行變分模態(tài)分解，得到多個第一初始本征模態(tài)函數(shù)分量，計算所有所述第一初始本征模態(tài)函數(shù)分量的和值，得到重構(gòu)振動信號，基于所述振動信號和所述重構(gòu)振動信號，計算得到所述第一初始分解層數(shù)下的第一均方根誤差，基于所有所述第一初始本征模態(tài)函數(shù)分量，計算得到所述第一初始分解層數(shù)下的第一平均互相關(guān)系數(shù)，基于所述第一均方根誤差和所述第一平均互相關(guān)系數(shù)，計算得到所述第一初始分解層數(shù)下的第一綜合評分；選取所述第一綜合評分最小的第一初始分解層數(shù)作為對所述振動信號進行變分模態(tài)分解時所用的第一分解層數(shù)；

5.根據(jù)權(quán)利要求1所述的電機軸承故障診斷方法，其特征在于，對所述第一時域特征、所述第一頻域特征、所述第一能量特征、所述第二時域特征、所述第二頻域特征和所述第二能量特征進行特征融合和特征降維，得到融合降維后特征，具體包括：

6.根據(jù)權(quán)利要求1所述的電機軸承故障診斷方法，其特征在于，所述支持向量機的超參數(shù)包括懲罰參數(shù)和核函數(shù)參數(shù)。

7.一種電機軸承故障診斷裝置，其特征在于，所述電機軸承故障診斷裝置包括：振動傳感器、電流傳感器和處理器；

8.一種計算機設(shè)備，包括：存儲器、處理器以及存儲在存儲器上并可在處理器上運行的計算機程序，其特征在于，所述處理器執(zhí)行所述計算機程序以實現(xiàn)權(quán)利要求1-6中任一項所述的電機軸承故障診斷方法。

9.一種計算機可讀存儲介質(zhì)，其上存儲有計算機程序，其特征在于，該計算機程序被處理器執(zhí)行時實現(xiàn)權(quán)利要求1-6中任一項所述的電機軸承故障診斷方法。

技術(shù)總結(jié)
本申請公開了一種電機軸承故障診斷方法、裝置、設(shè)備及介質(zhì)，涉及電機軸承故障診斷技術(shù)領(lǐng)域，該方法包括：獲取電機軸承的振動信號和電流信號，分別對振動信號和電流信號進行特征提取，得到振動信號的第一時域特征、第一頻域特征和第一能量特征以及電流信號的第二時域特征、第二頻域特征和第二能量特征，對第一時域特征、第一頻域特征、第一能量特征、第二時域特征、第二頻域特征和第二能量特征進行特征融合和特征降維，得到融合降維后特征，以融合降維后特征作為輸入，利用故障診斷模型確定電機軸承是否存在故障以及存在故障時的故障類型。本申請能夠提高故障診斷精度。

技術(shù)研發(fā)人員：張坤鵬,宋文龍,彭飛飛,陳敬東,聶義勇
受保護的技術(shù)使用者：華東交通大學(xué)
技術(shù)研發(fā)日：
技術(shù)公布日：2025/6/26