采煤机滚动轴承故障诊断方法及系统、电子设备和存储介质

技术特征：
1.一种采煤机滚动轴承故障诊断方法，其特征在于，包括：基于目标采煤机滚动轴承，建立所述目标采煤机滚动轴承的数字孪生模型和对应的滚动轴承故障诊断模型；其中，所述滚动轴承故障诊断模型基于概率神经网络确定；基于所述数字孪生模型和滚动轴承故障诊断模型，根据萤火虫优化算法，确定目标滚动轴承故障诊断模型；基于所述目标滚动轴承故障诊断模型，确定所述目标采煤机滚动轴承故障结果。2.根据权利要求1所述的采煤机滚动轴承故障诊断方法，其特征在于，所述基于所述数字孪生模型和滚动轴承故障诊断模型，根据萤火虫优化算法，确定目标滚动轴承故障诊断模型，具体包括：基于所述数字孪生模型，根据故障样本数据，确定故障样本训练集；基于所述故障样本训练集，训练所述滚动轴承故障诊断模型；根据萤火虫算法对所述概率神经网络平滑因子进行优化，确定最优平滑因子；基于所述最优平滑因子，确定目标滚动轴承故障诊断模型。3.根据权利要求2所述的采煤机滚动轴承故障诊断方法，其特征在于，所述基于所述最优平滑因子，确定目标滚动轴承故障诊断模型，具体包括：根据所述最优平滑因子，确定优化后的概率神经网络；基于故障样本测试集测试所述优化后的概率神经网络，判断所述优化后的概率神经网络是否能准确进行故障诊断；若确定所述优化后的概率神经网络不能准确进行故障诊断，则重复基于所述故障样本训练集对所述滚动轴承故障诊断模型进行训练并测试的步骤，直至确定所述优化后的概率神经网络能准确进行故障诊断，确定目标概率神经网络；基于所述目标概率神经网络，确定目标滚动轴承故障诊断模型。4.根据权利要求2或3所述的采煤机滚动轴承故障诊断方法，其特征在于，所述根据萤火虫算法对所述概率神经网络平滑因子进行优化，确定最优平滑因子，具体包括：根据改进的萤火虫算法对所述概率神经网络平滑因子进行优化，确定最优平滑因子；其中，所述改进的萤火虫算法是在标准萤火虫算法中增添惯性权重；所述改进的萤火虫算法中萤火虫i被吸引向萤火虫j移动的位置更新公式为：x
i
(t 1)＝w(t)x
i
(t) β(x
j
(t)-x
i
(t)) α
new
(rand-0.5)；上式中，x
i
(t)和x
j
(t)分别为萤火虫i和萤火虫j在空间中第t次移位后的位置，w(t)为惯性权重，α
new
为步长因子，β为萤火虫j对萤火虫i的吸引度，rand为[0,1]上服从均匀分布的随机因子；所述惯性权重计算公式为：上式中，w
max
为最大惯性权重，w
min
为最小惯性权重，t为最大迭代次数。5.根据权利要求4所述的采煤机滚动轴承故障诊断方法，其特征在于，所述改进的萤火虫算法是在标准萤火虫算法中增添惯性权重并改进步长因子；所述步长因子计算公式为：
上式中，t为当前迭代次数，a0为初始步长因子。6.根据权利要求5所述的采煤机滚动轴承故障诊断方法，其特征在于，所述根据改进的萤火虫算法对所述概率神经网络平滑因子进行优化，确定最优平滑因子，具体包括：初始化萤火虫的基本参数，将所述概率神经网络平滑因子作为萤火虫个体；根据萤火虫初始位置，计算萤火虫个体的适应度值；基于所述适应度值比较萤火虫亮度，确定最亮位置为萤火虫新位置，根据所述位置更新公式更新萤火虫的位置；迭代更新所述适应度值和所述萤火虫的位置，直至满足预设寻优条件，输出最优的萤火虫位置，确定最优平滑因子。7.根据权利要求6所述的采煤机滚动轴承故障诊断方法，其特征在于，所述预设寻优条件，包括：迭代次数大于预设迭代阈值；或所述目标函数的结果小于预设期望阈值；其中，所述目标函数公式为：上式中，e
i
为实际输出，r
i
为期望输出，n为萤火虫总数。8.一种采煤机滚动轴承故障诊断系统，其特征在于，包括：模型构建单元、模型确定单元和故障诊断单元；所述模型构建单元，用于基于目标采煤机滚动轴承，建立所述目标采煤机滚动轴承的数字孪生模型和对应的滚动轴承故障诊断模型；所述模型确定单元，用于基于所述数字孪生模型和滚动轴承故障诊断模型，根据萤火虫优化算法，确定目标滚动轴承故障诊断模型；其中，所述滚动轴承故障诊断模型基于概率神经网络确定；所述故障诊断单元，用于基于所述目标滚动轴承故障诊断模型，确定所述目标采煤机滚动轴承故障结果。9.一种电子设备，其特征在于，包括存储器和处理器，所述处理器和所述存储器通过总线完成相互间的通信；所述存储器存储有可被所述处理器执行的程序指令，所述处理器调用所述程序指令能够执行如权利要求1至7任一项所述的采煤机滚动轴承故障诊断方法。10.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现如权利要求1至7任一项所述的采煤机滚动轴承故障诊断方法。

技术总结
本发明提供一种采煤机滚动轴承故障诊断方法及系统、电子设备和存储介质，其中，方法包括：基于目标采煤机滚动轴承，建立目标采煤机滚动轴承的数字孪生模型和对应的滚动轴承故障诊断模型；其中，滚动轴承故障诊断模型基于概率神经网络确定；基于数字孪生模型和滚动轴承故障诊断模型，根据萤火虫优化算法，确定目标滚动轴承故障诊断模型；基于目标滚动轴承故障诊断模型，确定目标采煤机滚动轴承故障结果。能够有效提高采煤机滚动轴承预测性故障诊断的准确性，降低采煤机运行成本。降低采煤机运行成本。降低采煤机运行成本。


技术研发人员：易辉 仲文君 董露 郑磊 柴宇恒
受保护的技术使用者：南京工业大学
技术研发日：2022.11.07
技术公布日：2023/2/6