基于CAE和CNN的变工况下滚动轴承智能故障诊断研究

来源：动力工程学报杂志2022年第1期北京时间：

作者：周文宣, 刘洋, 邓敏强, 丁雪, 邓艾东,

摘要：针对变工况下滚动轴承的状态评估问题, 提出了一种基于卷积神经网络(CNN)和卷积自编码(CAE)的故障诊断方法：首先将单一工况下有标签的数据和变工况下无标签的数据输入到CAE的编码器中，得到特征参数矩阵F；然后将由单一工况下数据得到的F输入到CNN轴承故障诊断模型中，得到状态类型并计算损失，将由全部数据得到的F输入到CAE的解码器得到重构数据并计算损失，根据这两个损失之和进行反向传播训练；最后将变工况下的数据输入到CAE编码器和CNN模型中得到状态类别。结果表明：CAE使不同工况下的数据经过编码器后得到的F分布更为接近，CAECNN模型的故障诊断准确率高于97%，可有效应用于变工况下滚动轴承的智能故障诊断。

关键词：滚动轴承,故障诊断,卷积自编码,卷积神经网络,