(19)中华 人民共和国 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 202111090535.9 (22)申请日 2021.09.17 (71)申请人 潍坊中科晶上智能装备研究院有限 公司 地址 262737 山 东省潍坊市滨海区滨海资 本管理中心1号楼 A7 (72)发明人 于文尧　曹晓卫　张玉成　 (74)专利代理 机构 北京理工大 学专利中心 11120 代理人 李爱英　仇蕾安 (51)Int.Cl. G06F 30/27(2020.01) G06F 30/17(2020.01) G06F 17/16(2006.01) G01M 13/045(2019.01)G06F 119/02(2020.01) G06F 119/04(2020.01) (54)发明名称 基于Transformer神经网络的农机轴承故障 类型诊断方法及系统 (57)摘要 本公开的基于Tran sformer神经网络的农机 轴承故障类型诊断方法及系统， 利用振动加速度 传感器采集农机轴承不同测点位置的轴承振动 信号； 将所述轴承振动信号通过本地局域网传输 至本地计算模块， 利用时频域特征提取技术和频 域特征提取技术对所述轴承振动信号进行特征 提取以得到农机轴承特征数据； 压缩 所述农机轴 承特征数据， 将压缩后的农机轴承 特征数据经无 线网传输至远端计算中心； 将所述农机轴承特征 数 据 输 入 到 所 述 远 端 计 算 中 心 的 基 于 Transformer神经网络的农机轴承故障类 型诊断 模型进行诊断， 输出农机轴承的故障类型。 能够 准确诊断出农机轴承故障类型， 弥补目前农机故 障诊断技 术不够成熟的不足。 权利要求书2页 说明书9页 附图3页 CN 114004135 A 2022.02.01 CN 114004135 A 1.一种基于Transformer神经网络的农机轴承故障类型诊断方法， 其特征在于， 所述方 法包括： 利用振动加速度传感器采集农机轴承不同测点 位置的轴承 振动信号； 将所述轴 承振动信号通过本地局域网传输至本地计算模块， 利用时频域特征提取技术 和频域特 征提取技 术对所述轴承 振动信号进行 特征提取以得到农机轴承特 征数据； 压缩所述农机轴 承特征数据， 将压缩后的农机轴 承特征数据经无线 网传输至远端计算 中心； 将所述农机轴承特征数据输入到所述远端计算 中心的基于Transformer神经网络的农 机轴承故障类型诊断模型进行诊断， 输出农机轴承的故障类型。 2.根据权利要求1所述的农机轴 承故障类型诊断方法， 其特征在于， 所述利用时频域特 征提取技术和频域特征提取技术对所述轴承振动信号进行特征提取以得到农机轴承特征 数据， 包括： 利用小波包变换法对所述轴承振动信号进行6层分解， 将第6层所述轴承振动信号频带 能量作为所述农机轴承特 征数据的时频域特 征数据； 利用快速傅里叶变换对所述轴 承振动信号提取的时频域特征进行频域分解， 得到所述 农机轴承特 征数据的频域特 征数据。 3.根据权利要求2所述的农机轴承故障类型诊断方法， 其特 征在于， 所述农机轴承特征数据的时频域特征数据和频域特征数据组合成农机轴承特征数据 的前向特 征矩阵； 所述农机轴承特征数据的前向特征矩阵经变换得到所述农机轴承特征数据的后向特 征矩阵。 4.根据权利要求3所述的农机轴承故障类型诊断方法， 其特 征在于， 农机轴承特征数据的前向特征矩阵到所述农机轴承特征数据的后向特征矩阵的变换 公式为： 式中， n为每个时频域的点数， N 为小波基函数分解层数。 5.根据权利要求3所述的农机轴承故障类型诊断方法， 其特征在于， 所述基于 Transformer神经网络的农机轴承故障类型诊断模型， 包括： 归一化位置编码层、 前向数据 Transformer处 理层、 后向数据Transformer处 理层和全连接层； 所述归一 化位置编码层， 用于保留所述农机轴承特 征数据的位置编码信息； 所述前向数据Transformer处 理层， 用于处 理所述农机轴承特 征数据的前向特 征数据； 所述后向数据Transformer处 理层， 用于处 理所述农机轴承特 征数据的后向特 征数据； 所述全连接层， 用于将经过前向数据Transformer处理层和后向数据Transformer处理 层处理的前向特 征数据和后向特 征数据进行非线性映射， 得到农机轴承故障诊断类型。 6.根据权利要求3所述的农机轴承故障类型诊断方法， 其特征在于， 所述前向数据权　利　要　求　书 1/2 页 2 CN 114004135 A 2Transformer处理层和后向数据Transformer处理层的结构相同， 分别由包括多头自注 意力 机制子层和一维卷积子层的网络层组成。 7.根据权利要求3所述的农机轴 承故障类型诊断方法， 其特征在于， 所述将所述农机轴 承特征数据输入到所述远端计算中心的基于Transformer神经网络的农机轴承故障类型诊 断模型进行诊断， 输出农机轴承的故障类型， 包括： 将所述农机轴承特征数据的前向特征数据和归一化位置编码层保留的位置编码叠加 形成带有位置编码信息的前向特 征数据输入到所述前向数据Transformer处 理层； 将所述农机轴承特征数据的后向特征数据和归一化位置编码层保留的位置编码叠加 形成带有位置编码信息的前向特 征数据输入到所述后向数据Transformer处 理层； 将经过前向数据Transformer处理层处理的前向特征数据和后向数据Transformer处 理层处理的后向特征数据输入到全连接层， 经所述全连接层的非线性映射处理， 得到农机 轴承故障诊断类型。 8.根据权利要求1所述的农机轴承故障类型诊断方法， 其特征在于， 在基于 Transformer神经网络的农机轴承故障类型诊断模 型的训练过程中采用错误样 本权重增强 机制增强所述农机轴承故障类型诊断模型的鲁棒 性。 9.一种基于Transformer神经网络的农机轴承故障类型诊断系统， 其特征在于， 所述系 统包括： 轴承振动信号采集模块， 用于利用振动加速度传感器采集农机轴 承不同测点位置的轴 承振动信号； 农机轴承特征数据提取模块， 用于将所述轴 承振动信号通过本地局域网传输至本地计 算模块， 利用时频域特征提取技术和频域特征提取技术对所述轴承振动信号进行特征提取 以得到农机轴承特 征数据； 农机轴承特征数据压缩模块， 用于压缩所述农机轴承特征数据， 将压缩后的农机轴承 特征数据经无线网传输 至远端计算中心； 农机轴承故障类型诊断模型， 用于将所述农机轴 承特征数据输入到所述远端计算中心 的基于Transformer神经网络的农机轴承故 障类型诊断模型进行诊断， 输出农机轴承的故 障类型。权　利　要　求　书 2/2 页 3 CN 114004135 A 3