基于迁移堆栈自编码器的轴承故障诊断方法

作者：贾美霞; 韩宝坤; 王金瑞^*; 张骁; 郭雷; 赵伟涛

来源：噪声与振动控制, 2021, 41(06): 84-125.

• 故障诊断
• 迁移学习
• 堆栈自编码器
• 多核最大均值差异
• 滚动轴承

近年来,基于数据驱动的设备智能故障诊断方法是监测设备健康状况的重要手段,然而在实际中不同工况下含标注的监测数据严重缺乏,导致智能故障诊断的模型难以有效构建。提出一种基于迁移堆栈自编码器的轴承故障诊断方法,能成功解决不同工况下轴承故障智能诊断的问题。首先,将不同工况下轴承原始振动信号数据进行快速傅里叶变换转化成频域信号,得到带标签的源域和不带标签的目标域数据集。其次,使用基于堆栈自编码器的多分类网络结构对源域数据进行特征提取,为防止过拟合加入Dropout层和批标准化层,从而有效提高特征的提取。最后,利用多核最大均值差异作为评价源域和目标域的距离指标,实现域不变特征提取并进行迁移学习。将该方法用于不同工况下滚动轴承的数据集进行验证,结果表明目标域样本充足时轴承故障诊断分类准确率能够达到99.4%,目标域样本为源域样本5%时其分类准确率能达到95.2%,具有较好的应用前景。

• 单位
  山东科技大学; 电子工程学院