基于互无量纲特征与迁移学习的变工况滚动轴承故障诊断OA
Variable Condition Rolling Bearing Fault Diagnosis Based on Mutual Dimensionless Features and Transfer Learning
滚动轴承的可靠性是工业生产连续性与安全性的重要保证之一,但由于其运行环境的高温、高压、高时长特性,振动信号表现出一定的非平稳性与非线性,并且由于故障样本的缺失,基于数据驱动的诊断方法很难进行应用.文中提出一种基于互无量纲特征与迁移学习的变工况滚动轴承故障诊断方法,提取轴承振动互无量纲特征用于解决轴承信息非线性问题;针对故障样本缺失问题,提出一种改进的卷积神经网络迁移模型,将大数据模型迁移到小样本模型中来.通过美国西储大学轴承实验平台的验证所提出的…查看全部>>
The reliability of rolling bearings is one of the important guarantees for the continuity and safety of industrial production.However,due to the high temperature,high pressure,and long duration characteristics of their operating environment,vibration signals often exhibit certain non-stationary and nonlinear characteristics.Moreover,due to the lack of fault samples,data-driven diagnostic methods are difficult to apply.This study proposes a fault diagnosis me…查看全部>>
苏乃权;周凌孟;张清华;陈钇典;刘杨
广东石油化工学院 自动化学院,广东 茂名 525000广东石油化工学院 自动化学院,广东 茂名 525000广东石油化工学院 自动化学院,广东 茂名 525000广东石油化工学院 自动化学院,广东 茂名 525000广东石油化工学院 自动化学院,广东 茂名 525000
机械工程
滚动轴承互无量纲迁移学习故障诊断
rolling bearingsmutual dimensionlesstransfer learningfault diagnosis
《广东石油化工学院学报》 2024 (3)
74-78,5
国家自然科学基金重点项目(61933013)广东省自然科学基金面上项目(2022A1515010599)茂名市科技创新战略专项(2023S001001,2023S001011)茂名绿色化工研究院"扬帆计划"(MMGCIRI-2022YFJH-Y-009)广东石油化工学院博士启动项目(2020bs006)
评论