本發(fā)明涉及機(jī)械故障診斷，特別涉及一種刮板輸送機(jī)中減速器齒輪的故障識別方法和裝置。

背景技術(shù)：

1、刮板輸送機(jī)是一種用于運(yùn)輸固體物料的輸送設(shè)備，其通過將固定在鏈條上的刮板沿固定軌跡循環(huán)運(yùn)動來推動物料移動，其中，減速器齒輪通過嚙合作用將刮板輸送機(jī)中的電動機(jī)的旋轉(zhuǎn)速度降低到刮板鏈條所需的工作速度。由于刮板輸送機(jī)的運(yùn)行狀況直接受到齒輪工況的影響，所以對減速器齒輪的故障識別并及早處理減速器齒輪問題可以延長刮板輸送機(jī)的使用壽命；而齒輪的任何異常都可以通過電動機(jī)電流的時(shí)序特征和頻率特征體現(xiàn)出來，因此可以利用電動機(jī)電流信號的時(shí)頻圖譜來識別減速器齒輪故障。

2、在現(xiàn)有技術(shù)中，中國專利cn114048682b公開了一種基于優(yōu)選小波基與多維深度特征融合的滾動軸承聲發(fā)射智能診斷方法，該方法首先采集滾動軸承聲發(fā)射信號，然后選擇連續(xù)小波變換的最優(yōu)小波基，用選擇出的最佳小波基做連續(xù)小波變換，將一維聲發(fā)射信號轉(zhuǎn)換為二維時(shí)頻圖；劃分訓(xùn)練集、驗(yàn)證集和測試集，定義故障類型；將滾動軸承聲發(fā)射信號輸入到一維卷積神經(jīng)網(wǎng)絡(luò)、時(shí)頻圖輸入到二維卷積神經(jīng)網(wǎng)絡(luò)，通過特征金字塔結(jié)構(gòu)來對卷積神經(jīng)網(wǎng)絡(luò)提取的不同維度和不同深度的特征進(jìn)行融合。

3、但是，時(shí)頻圖譜中兩個(gè)相隔較遠(yuǎn)的時(shí)頻點(diǎn)所對應(yīng)的電流可能具有依賴關(guān)系，而二維卷積核由于其局部感受野的限制，難以直接捕捉到這種長距離或全局的依賴關(guān)系，從而造成故障識別結(jié)果準(zhǔn)確性有待提高。

技術(shù)實(shí)現(xiàn)思路

1、基于此，為了解決現(xiàn)有技術(shù)中，存在的刮板輸送機(jī)中減速器齒輪的故障識別準(zhǔn)確率不高的技術(shù)問題，本發(fā)明提供一種刮板輸送機(jī)中減速器齒輪的故障識別方法和裝置。

2、本發(fā)明提供了一種刮板輸送機(jī)中減速器齒輪的故障識別方法，包括：

3、構(gòu)建深度學(xué)習(xí)網(wǎng)絡(luò)，包括：分割層、與分割層輸出端連接的并行的第一一維特征金字塔和第二一維特征金字塔、與第一一維特征金字塔輸出端和第二一維特征金字塔輸出端同時(shí)連接的融合層以及與融合層輸出端連接的輸出層；其中，第一一維特征金字塔中的上采樣層和第二一維特征金字塔中的上采樣層互相連接；

4、采集刮板輸送機(jī)中減速器齒輪的故障時(shí)頻圖譜以及與時(shí)頻圖譜對應(yīng)的齒輪故障類型，以構(gòu)建齒輪故障數(shù)據(jù)集；故障時(shí)頻圖譜為二維矩陣，二維矩陣中的各行對應(yīng)齒輪發(fā)生故障時(shí)電流信號中的各頻率；二維矩陣中的各列對應(yīng)齒輪發(fā)生故障時(shí)各時(shí)間采樣點(diǎn)；使用齒輪故障數(shù)據(jù)集對所述深度學(xué)習(xí)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，獲得用于將齒輪故障時(shí)頻圖譜映射為齒輪故障類型的減速器齒輪故障識別模型；

5、將待識別齒輪故障時(shí)頻圖譜輸入到減速器齒輪故障識別模型中，通過分割層將待識別齒輪故障時(shí)頻圖譜分別按時(shí)間維度和頻率維度進(jìn)行分割，獲得齒輪故障時(shí)間序列和齒輪故障頻率序列；通過并行的第一一維特征金字塔和第二一維特征金字塔分別對齒輪故障時(shí)間序列和齒輪故障頻率序列進(jìn)行特征提取，在特征提取的過程中，第一一維特征金字塔中的上采樣層輸出的特征圖和第二一維特征金字塔的上采樣層輸出的特征圖互相流通，以通過交叉融合不同維度的信息捕捉待識別齒輪故障時(shí)頻圖譜中的長距離依賴關(guān)系，獲得齒輪故障時(shí)序特征和齒輪故障頻率特征；通過融合層將齒輪故障時(shí)序特征和齒輪故障頻率特征進(jìn)行融合，獲得齒輪故障融合特征；通過輸出層對齒輪故障融合特征進(jìn)行分類，輸出待識別齒輪故障時(shí)頻圖譜對應(yīng)的齒輪故障類型。

6、進(jìn)一步地，所述獲得齒輪故障時(shí)序特征和齒輪故障頻率特征，具體包括：

7、通過第一一維特征金字塔中的多個(gè)下采樣對齒輪故障時(shí)間序列逐步進(jìn)行不同尺度的下采樣操作，獲得不同時(shí)間顆粒度的齒輪故障時(shí)序局部特征；通過第一一維特征金字塔中的多個(gè)上采樣層逐步對最小尺度的齒輪故障時(shí)序局部特征進(jìn)行上采樣操作，獲得不同尺度的齒輪故障時(shí)序恢復(fù)特征，以最大尺度的齒輪故障時(shí)序恢復(fù)特征作為齒輪故障時(shí)序特征；

8、通過第二一維特征金字塔中的多個(gè)下采樣對齒輪故障頻率序列逐步進(jìn)行不同尺度的下采樣操作，獲得不同頻率層次的齒輪故障頻率局部特征；通過第二一維特征金字塔中的多個(gè)上采樣層逐步對最小尺度的齒輪故障頻率局部特征進(jìn)行上采樣操作，獲得不同尺度的齒輪故障頻率恢復(fù)特征，以最大尺度的齒輪故障頻率恢復(fù)特征作為齒輪故障頻率特征；

9、在第一一維特征金字塔進(jìn)行上采樣的過程中，每個(gè)上采樣層的輸入是將第一一維特征金字塔中對應(yīng)下采樣層輸出的齒輪故障時(shí)序局部特征、第一一維特征金字塔中前一個(gè)上采層輸出的齒輪故障時(shí)序恢復(fù)特征和對應(yīng)第二一維特征金字塔對應(yīng)的上采層輸出的齒輪故障頻率恢復(fù)特征進(jìn)行融合后所獲得的時(shí)間-頻率融合特征；

10、在第二一維特征金字塔進(jìn)行上采樣的過程中，每個(gè)上采樣層的輸入是將第二一維特征金字塔中對應(yīng)下采樣層輸出的齒輪故障頻率局部特征、第二一維特征金字塔中前一個(gè)上采層輸出的齒輪故障頻率恢復(fù)特征以及對應(yīng)第一一維特征金字塔對應(yīng)的上采層輸出的齒輪故障時(shí)序恢復(fù)特征進(jìn)行融合后所獲得的頻率-時(shí)間融合特征。

11、進(jìn)一步地，所述時(shí)間-頻率融合特征，是通過主成分分析將第一一維特征金字塔中對應(yīng)下采樣層輸出的齒輪故障時(shí)序局部特征、第一一維特征金字塔中前一個(gè)上采層輸出的齒輪故障時(shí)序恢復(fù)特征和對應(yīng)第二一維特征金字塔對應(yīng)的上采層輸出的齒輪故障頻率恢復(fù)特征進(jìn)行融合所得的結(jié)果，以在獲得時(shí)間-頻率融合特征的過程剔除冗余的齒輪故障特征。

12、進(jìn)一步地，所述通過融合層將齒輪故障時(shí)序特征和齒輪故障頻率特征進(jìn)行融合，獲得齒輪故障融合特征，具體包括：

13、將齒輪故障時(shí)序特征和齒輪故障頻率進(jìn)行拼接，獲得拼接特征圖；

14、通過引入壓縮和激勵(lì)注意力模塊擴(kuò)大拼接特征圖中與齒輪故障有響應(yīng)的通道權(quán)重，獲得齒輪故障融合特征。

15、本發(fā)明提供了一種刮板輸送機(jī)中減速器齒輪的故障識別裝置，包括：

16、模型構(gòu)建模塊，用于構(gòu)建深度學(xué)習(xí)網(wǎng)絡(luò)，包括：分割層、與分割層輸出端連接的并行的第一一維特征金字塔和第二一維特征金字塔、與第一一維特征金字塔輸出端和第二一維特征金字塔輸出端同時(shí)連接的融合層以及與融合層輸出端連接的輸出層；其中，第一一維特征金字塔中的上采樣層和第二一維特征金字塔中的上采樣層互相連接；

17、模型訓(xùn)練模塊，用于采集刮板輸送機(jī)中減速器齒輪的故障時(shí)頻圖譜以及與時(shí)頻圖譜對應(yīng)的齒輪故障類型，以構(gòu)建齒輪故障數(shù)據(jù)集；故障時(shí)頻圖譜為二維矩陣，二維矩陣中的各行對應(yīng)齒輪發(fā)生故障時(shí)電流信號中的各頻率；二維矩陣中的各列對應(yīng)齒輪發(fā)生故障時(shí)各時(shí)間采樣點(diǎn)；使用齒輪故障數(shù)據(jù)集對所述深度學(xué)習(xí)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，獲得用于將齒輪故障時(shí)頻圖譜映射為齒輪故障類型的減速器齒輪故障識別模型；

18、故障識別模塊，用于將待識別齒輪故障時(shí)頻圖譜輸入到減速器齒輪故障識別模型中，通過分割層將待識別齒輪故障時(shí)頻圖譜分別按時(shí)間維度和頻率維度進(jìn)行分割，獲得齒輪故障時(shí)間序列和齒輪故障頻率序列；通過并行的第一一維特征金字塔和第二一維特征金字塔分別對齒輪故障時(shí)間序列和齒輪故障頻率序列進(jìn)行特征提取，在特征提取的過程中，第一一維特征金字塔中的上采樣層輸出的特征圖和第二一維特征金字塔的上采樣層輸出的特征圖互相流通，以通過交叉融合不同維度的信息捕捉待識別齒輪故障時(shí)頻圖譜中的長距離依賴關(guān)系，獲得齒輪故障時(shí)序特征和齒輪故障頻率特征；通過融合層將齒輪故障時(shí)序特征和齒輪故障頻率特征進(jìn)行融合，獲得齒輪故障融合特征；通過輸出層對齒輪故障融合特征進(jìn)行分類，輸出待識別齒輪故障時(shí)頻圖譜對應(yīng)的齒輪故障類型。

19、本發(fā)明采用的上述至少一個(gè)技術(shù)方案能夠達(dá)到以下有益效果：

20、在本發(fā)明提供的刮板輸送機(jī)中減速器齒輪的故障識別方法中，首先將時(shí)頻圖譜按時(shí)間維度和頻率維度進(jìn)行分割；接著使用兩個(gè)一維特征金字塔模塊分別沿頻率維度和時(shí)間維度對時(shí)頻圖進(jìn)行特征提?。禾卣鹘鹱炙K中的下采樣層逐步提取到高級特征，然后將高級特征逐層上采樣操作，在上采樣操作過程中兩個(gè)維度的信息進(jìn)行流動，由于是基于最高級特征開始進(jìn)行信息傳遞，這就使得兩個(gè)維度的高級信息進(jìn)行流動，完成了時(shí)頻圖譜中的長距離依賴關(guān)系的提取，最后將兩個(gè)一維特征金字塔模塊的輸出進(jìn)行融合，從而提高故障識別的準(zhǔn)確性。