基于因果图嵌入的可解释轴承故障诊断方法、终端及介质

本发明涉及轴承故障诊断，具体是基于因果图嵌入的可解释轴承故障诊断方法、终端及介质。

背景技术：

1、滚动轴承是电机、减速器、风机、泵和机床等旋转装备中的关键支撑部件。其发生内圈、外圈、滚动体或保持架故障时，振动信号通常同时包含周期性冲击、结构共振、调制成分、随机噪声及工况波动等多种信息。为实现状态监测和故障诊断，现有技术通常对多通道振动信号进行时域、频域、包络谱域或时频域特征提取，再利用分类模型输出故障类别。

2、随着图神经网络和因果发现方法的发展，部分技术开始将传感器通道、健康指标或特征变量作为图节点，并依据相关性、空间连接关系或单一因果关系进行消息传递。该类方法能够在一定程度上利用指标之间的关联，但多数方法将不同时间上的传播影响与同一时刻的同步变化统一表示，难以反映轴承故障演化中的真实作用顺序。

3、在实际运行中，一个健康指标在过去窗口的变化可能通过机械传递、冲击激励或能量扩散影响另一个健康指标在当前窗口的状态；同时，多个健康指标也可能因共同的转速、载荷、结构耦合或故障激励而在同一窗口内同步变化。前者属于时滞传播关系，后者属于瞬时耦合关系。如何分别识别这两类关系，并将其转化为可服务于诊断决策的结构化表征，是提高故障诊断可靠性和可解释性的关键。

技术实现思路

1、为解决现有技术中轴承故障诊断的可靠性和可解释性有待提高的技术问题，本发明提供了基于因果图嵌入的可解释轴承故障诊断方法、终端及介质。

2、为实现上述目的，本发明提供如下技术方案：

3、本发明公开一种基于因果图嵌入的可解释轴承故障诊断方法，包括：

4、s1.对采集的轴承多通道振动信号进行分段与预处理，提取机械健康因子，构建健康因子时间序列；所述机械健康因子为表征轴承运行状态的时域特征变量、频域特征变量或包络谱域特征变量；

5、s2.针对健康因子时间序列，按长时滞到短时滞的顺序逐层进行条件独立性检验，将更长时滞下已识别的父节点继承至短时滞候选边的条件集合中，基于条件集合计算短时滞候选边的条件依赖强度，据此计算因果边权，得到时滞因果图；

6、s3.利用时滞因果图中的父节点预测并剥离机械健康因子的历史效应以得到残差序列，针对残差序列中的变量建立两个相反方向的预测模型；基于两个预测模型的预测增益差异，以及原因变量与预测误差的独立性差异，确定瞬时因果方向，经全局无环优化得到瞬时因果图；

7、s4.在时滞因果图和瞬时因果图中仅沿父向子的方向传递消息得到节点表征，将节点表征分解为跨图公共表征和图特有表征，设置自适应因果融合门以动态决定两类因果图的图特有表征的融合比例，并与跨图公共表征聚合为样本级诊断表征；

8、s5.将样本级诊断表征输入故障分类器得出故障类别的分类结果，结合分类结果计算各候选有向路径的贡献度，由此筛选出若干条候选有向路径作为结构化解释结果。

9、作为上述方案的进一步改进，步骤s1具体包括：

10、采用滑动窗口对所述轴承多通道振动信号的各个通道分别进行分段，并采用基于中位数和四分位距的稳健标准化方法处理各信号片段以抑制干扰；

11、从每个信号片段中提取机械健康因子；其中，所述机械健康因子的类别包括均方根、峭度、峰值因子、脉冲因子、包络谱特征频率能量、共振频带能量以及频带能量熵；

12、将机械健康因子按照时间顺序排列，形成健康因子时间序列。

13、作为上述方案的进一步改进，步骤s2中，所述基于条件集合计算短时滞候选边的条件依赖强度，据此计算因果边权，得到时滞因果图，具体包括：

14、将所述健康因子时间序列划分为多个子窗口；

15、在每个子窗口中，通过核条件独立性检验计算短时滞候选边的统计量，并基于该统计量与显著性水平对应临界值的相对关系计算条件依赖强度；

16、根据所述条件依赖强度在多个子窗口中的标准差与平均值，计算跨窗口稳定系数，以表征短时滞候选边在不同子窗口中重复出现的稳定程度；

17、将各子窗口中条件依赖强度的平均值、跨窗口稳定系数以及时滞衰减项相乘，得到因果边权；其中，所述时滞衰减项基于时滞阶数和预设的时滞衰减系数计算得到，且所述时滞衰减项随所述时滞阶数的增大而递减；

18、当所述因果边权超过预设阈值时，确定存在对应的时滞因果边，进而得到所述时滞因果图。

19、作为上述方案的进一步改进，步骤s3具体包括：

20、针对各机械健康因子，利用其在所述时滞因果图中的父节点建立回归模型，将回归模型预测得到的历史传播成分从当前时刻的机械健康因子中剥离，得到残差序列；

21、针对所述残差序列中的任意两个残差变量，建立两个彼此方向相反非线性预测模型，以获取利用原因变量预测目标变量所产生的预测误差；

22、将由所述预测误差与所述目标变量组成的方差比值项，以及由所述原因变量与所述预测误差组成的独立性惩罚项进行加权组合，计算各个方向的非对称方向得分；当相反方向的非对称方向得分差大于预设阈值时，确定对应方向的候选瞬时因果边；

23、通过全局优化包括所述非对称方向得分与稀疏正则化项的无环目标函数，抑制冗余边并输出满足无环约束的瞬时因果图。

24、作为上述方案的进一步改进，步骤s4中，还采用损失函数使两类因果图的跨图公共表征保持一致，并降低两类因果图的图特有表征之间的重复度；其中，通过将所述跨图公共表征、所述图特有表征与当前时刻的机械健康因子的数值特征进行拼接，经激活函数获取节点级的自适应因果融合门系数，从而获得每个节点的融合节点表征；通过对所有节点的融合节点表征执行注意力池化，聚合得到样本级诊断表征。

25、作为上述方案的进一步改进，步骤s5中，训练所述故障分类器的总目标函数为：

26、；

27、式中，为总目标；为故障类别交叉熵损失；为跨图公共表征一致性损失，用于使两类因果图的跨图公共表征保持一致；为正交约束损失，用于降低两类因果图的图特有表征之间的重复程度；为因果边结构保持损失，用于约束因果图中存在的因果边的父节点经方向映射后接近子节点表征，且不存在因果边的节点对的表征距离大于预设间隔；和为稀疏约束，用于抑制非必要因果边；其中表示时滞因果图的邻接矩阵，表示瞬时因果图的邻接矩阵，为l1范数；、、和为各项损失的权重系数。

28、作为上述方案的进一步改进，跨图公共表征一致性损失、正交约束损失以及因果边结构保持损失的计算公式分别如下：

29、；

30、；

31、；

32、式中，为样本数量；为机械健康因子的数量；和分别表示时滞因果图和瞬时因果图中第个节点的跨图公共表征；和分别表示时滞因果图和瞬时因果图中第个节点的图特有表征，上标为转置符号；为防止分母为零的常数；为两类因果图中存在的因果边的集合；为节点指向节点的因果边权；、、分别为节点、节点和节点的节点表征；为针对时滞因果图或瞬时因果图设置的方向映射函数；为预设的非因果节点对的距离间隔；为l2范数。

33、作为上述方案的进一步改进，步骤s5中，计算候选有向路径的贡献度的方法具体包括：

34、根据故障分类器的分类输出值对节点表征求导，计算目标故障类别下对应机械健康因子的局部贡献度；定义一条候选有向路径的贡献度为：路径末端节点的局部贡献度，与该路径上各段因果边权及对应节点的融合门系数连乘积的乘积；

35、其中，按照路径贡献度从高到低排列，输出前若干条候选有向路径作为所述结构化解释结果。

36、本发明还公开一种计算机终端，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时，实现如上所述的基于因果图嵌入的可解释轴承故障诊断方法的步骤。

37、本发明还公开一种计算机可读存储介质，其上存储有计算机程序，所述程序被处理器执行时，实现如上所述的基于因果图嵌入的可解释轴承故障诊断方法的步骤。

38、与现有技术相比，本发明的有益效果是：

39、1、本发明针对现有技术中轴承故障诊断可靠性和可解释性有待提高的问题，构建了时滞因果图和瞬时因果图。通过分别提取机械健康因子在历史时间窗口内的延时传递效应与在同一时间窗口内的同步耦合作用，并在特征提取时仅沿父节点向子节点的方向传递消息，从而保留了真实的因果作用方向。该方案将复杂的轴承振动信号转化为两类图结构表征，使最终的故障分类结果能够直接回溯至具体的设备健康指标及其传递关系，解决了诊断输出难以被维护人员理解和追溯的实际工程问题。

40、2、本发明采用基于中位数和四分位距的稳健标准化处理各个信号片段，降低了偶发冲击和异常采样点对健康因子构建过程的干扰。在构建时滞因果图时，通过联合计算条件依赖强度、跨窗口稳定系数以及时滞衰减项来确定因果边权。该赋权机制使得生成的图结构过滤了局部噪声造成的伪连接，保留了在多个时间窗口中能够稳定重复出现、且有效传播距离较短的物理传播路径。

41、3、在识别瞬时因果方向前，本发明利用时滞父节点预测并剥离当前健康因子的历史传播成分，避免了将共同的历史变量误判为当前的瞬时耦合关系。同时，通过定义非对称方向得分并引入全局无环优化模型，剔除了相互矛盾的冗余边，确保输出的瞬时因果图方向一致，符合轴承运转时的真实机械作用顺序。

42、4、本发明将节点表征分解为跨图公共表征和图特有表征，使模型在保留双图共享故障特征的同时，也保留了各自特有的传播语义。在输出诊断结果阶段，联合节点梯度敏感度、因果边权和融合门系数来计算候选有向路径的贡献度，最终向用户输出具体的“健康因子变化-因果关系-故障类别”结构化链条，直接为设备检修排查提供了具体的路径指引。