CNN-DLSTM结合迁移学习的小样本轴承故障诊断方法

作者：仇芝; 徐泽瑜; 陈涛; 石明江; 韦明辉

来源：机械科学与技术, 2023, 1-11.

DOI：10.13433/j.cnki.1003-8728.20230171

• 小样本数据集故障诊断
• 卷积神经网络
• 长短期记忆网络
• 迁移学习

针对轴承故障数据样本少、未知故障难以分类等问题，提出了一种将一维卷积神经网络（1D Convolutional neural network， 1D-CNN）连接深层长短时记忆循环神经网络（Deep Long-short-term memory neural network， DLSTM）的模型结合迁移学习的故障诊断方法。该诊断方法基于电机振动数据，利用CNN提取故障特征；将特征作为DLSTM的输入，进一步学习、编码从CNN中学习的特征序列信息，捕获高级特征用于故障分类；首先用充足的西储轴承数据对该故障诊断模型进行预训练，再利用迁移学习放松训练数据和测试数据可不必独立同分布的能力，使用自制实验平台的小样本数据微调预训练模型。最后用迁移学习后的模型，对跨工况、跨型号、跨故障的故障轴承数据进行模拟实验。结果表明，所提出的方法与其他方法相比鲁棒性强，训练速度更快，能够更精确的诊断故障，平均诊断精度达到99%以上。

• 单位
  石油大学机电工程学院