(19)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 202211276961.6 (22)申请日 2022.10.19 (71)申请人 深圳市信润富联数字科技有限公司 地址 518000 广东省深圳市罗湖区桂园街 道老围社区深南东路5016号蔡屋围京 基一百大厦A座20 01-06 申请人 中信控股有限责任公司 (72)发明人 冯建设　田志国　沈世通　李一帆　 赵一波　 (74)专利代理 机构 深圳市世纪恒程知识产权代 理事务所 4 4287 专利代理师 何秋石 (51)Int.Cl. G06K 9/00(2022.01) G06K 9/62(2022.01)G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 轴承信号故障诊断方法、 装置、 设备及存储 介质 (57)摘要 本申请公开了一种轴承信号故障诊断方法、 装置、 设备及存储介质， 所述轴承信号故障诊断 方法包括： 获取故障信号； 将所述故障信号输入 至预设的信号分类模型， 基于所述信号分类模 型， 提取所述故障信号的区域极值分布， 并基于 所述区域 极值分布， 确定故障信息， 其中， 所述信 号分类模型是基于故障信号样本和所述故障信 号样本的故障信息标签对待训练模型进行迭代 训练后得到的， 并且所述信号分类模 型是由卷积 模块组构成的。 本申请属于机械转动轴承系统的 故障诊断领域， 通过预训练的信号分类模型， 提 取故障信号中体 现信号形态的区域极值分布， 并 确定区域极值分布的特征， 以此确定故障信息， 提高了对于轴承转动信号的特征提取分类的准 确性。 权利要求书2页 说明书13页 附图7页 CN 115358280 A 2022.11.18 CN 115358280 A 1.一种轴承信号故障诊断方法， 其特 征在于， 所述轴承信号故障诊断方法包括： 获取故障信号； 将所述故障信号输入至预设的信号分类模型， 基于所述信号分类模型， 提取所述故障 信号的区域极值分布， 并基于所述区域极值分布， 确定故障信息， 其中， 所述信号分类模型 是基于故障信号样本和所述故障信号样本的故障信息标签对待训练模型进行迭代训练后 得到的， 并且所述信号分类模型 是由卷积模块组构成的。 2.如权利要求1所述的轴 承信号故障诊断方法， 其特征在于， 所述基于所述信号分类模 型， 提取所述故障信号的区域极值分布的步骤， 包括： 基于所述信号分类模型， 对所述故障信号进行 特征提取， 得到第一特 征数据； 对所述第一特征数据分别进行最大池化操作和最小池化操作， 确定所述第 一特征数据 的第一最大值分布和 第一最小值分布， 并将所述第一最大值分布和所述第一最小值分布确 定为所述故障信号的区域极值分布。 3.如权利要求2所述的轴 承信号故障诊断方法， 其特征在于， 所述对所述第 一特征数据 分别进行最大池化操作和最小池化操作， 确定所述第一特征数据的第一最大值分布和 第一 最小值分布的步骤， 包括： 对所述第一特征数据分别进行最大池化操作、 最小池化操作以及逐深度Depthwise卷 积， 得到第二最大值分布、 第二最小值分布和卷积特征数据， 其中， 所述最大池化操作和所 述最小池化操作为分块大小相同的池化操作； 对所述第二最大值分布、 所述第二最小值分布和所述卷积特征数据进行级联， 得到相 应的级联通道， 并对所述级联通道进行 逐点Pointwise卷积， 确定第二特 征数据； 对所述第二特征数据分别进行最大池化操作和最小池化操作， 得到所述第 一最大值分 布和所述第一 最小值分布。 4.如权利要求3所述的轴 承信号故障诊断方法， 其特征在于， 所述对所述第 二特征数据 分别进行最大池化操作和最小池化操作， 得到所述第一最大值分布和所述第一最小值分布 的步骤， 包括： 利用残差 机制， 增加所述第二特 征数据的特 征量， 确定第三特 征数据； 对所述第三特征数据分别进行最大池化操作和最小池化操作， 得到所述第 一最大值分 布和所述第一 最小值分布。 5.如权利要求4所述的轴承信号故障诊断方法， 其特征在于， 所述利用残差机制， 增加 所述第二特 征数据的特 征量， 确定第三特 征数据的步骤， 包括： 对所述第二特征数据进行第一次深度可分离卷积、 Gelu激活函数以及注意力机制处 理， 得到第四特 征数据； 将所述第四特征数据进行第二次深度可分离卷积和Hardswish激活函数处理， 得到第 五特征数据； 将所述第四特征数据、 所述第五特征数据和所述第二特征数据进行残差计算， 增加特 征量， 得到所述第三特 征数据。 6.如权利要求1所述的轴 承信号故障诊断方法， 其特征在于， 所述基于所述区域极值分 布， 确定故障信息的步骤， 包括： 将所述区域极值分布进行全局平均池化处 理， 确定信号平均值；权　利　要　求　书 1/2 页 2 CN 115358280 A 2将所述信号平均值与信号权 重组相乘， 得到故障预测标签； 基于所述故障预测标签， 确定所述故障信息 。 7.如权利要求1所述的轴 承信号故障诊断方法， 其特征在于， 所述获取故障信号的步骤 之前， 所述方法包括： 获取故障信号样本和所述故障信号样本的故障信息标签； 将所述故障信号样本 输入至预设的待训练模型， 得到预测故障信息； 将所述预测故障信 息与所述故障信号样本的故障信 息标签进行差异计算， 得到误差结 果； 基于所述 误差结果， 判断所述 误差结果是否满足预设误差阈值范围指示的误差标准； 若所述误差结果未满足所述预设误差阈值范围指示的误差标准， 返回将所述故障信号 样本输入至预设的待训练模型， 得到预测故障信息的步骤， 直到所述训练误差结果满足所 述预设误差阈值范围指示的误差标准后停止训练， 得到所述信号分类模型。 8.一种轴承信号故障诊断装置， 其特 征在于， 所述轴承信号故障诊断装置包括： 获取模块， 用于获取故障信号； 分类模块， 用于将所述故障信号输入至预设的信号分类模型， 基于所述信号分类模型， 提取所述故障信号的区域极值分布， 并基于所述区域极值分布， 确定故障信息， 其中， 所述 信号分类模型是基于故障信号样本和所述故障信号样本的故障信息标签对待训练模型进 行迭代训练后得到的， 并且所述信号分类模型 是由卷积模块组构成的。 9.一种轴承信号故障诊断设备， 其特征在于， 所述轴承信号故障诊断设备包括： 存储 器、 处理器以及存 储在存储器上的用于实现所述轴承信号故障诊断方法的程序， 所述存储器用于存 储实现轴承信号故障诊断方法的程序； 所述处理器用于执行实现所述轴承信号故障诊断方法的程序， 以实现如权利要求1至7 中任一项所述轴承信号故障诊断方法的步骤。 10.一种存储介质， 其特征在于， 所述存储介质上存储有实现轴 承信号故障诊断方法的 程序， 所述 实现轴承信号 故障诊断方法的程序被处理器执行以实现如权利要求 1至7中任一 项所述轴承信号故障诊断方法的步骤。权　利　要　求　书 2/2 页 3 CN 115358280 A 3