变工况下采煤机故障诊断的迁移学习方法

来源：机床与液压杂志2022年第18期北京时间：

作者：包从望，江伟，刘永志，张彩红

单位：六盘水师范学院矿业与土木工程学院；六盘水师范学院矿业与土木工程学院；六盘水师范学院矿业与土木工程学院；六盘水师范学院矿业与土木工程学院

摘要：针对采煤机故障诊断过程中有效故障样本不足问题，提出变工况下采煤机故障诊断的迁移学习方法。对原始振动信号作小波变换得到时频图，利用图像增强原理凸显故障的时频特征，并对图像进行归一化后组成故障样本；利用大量不同工况下的现有故障数据组成源域数据，对卷积神经网络进行训练，以初步获取故障诊断模型；将训练后的模型迁移至采煤机故障诊断实验台，以最大均值差异（MMD）作为优化指标，利用实验台中的样本继续训练模型，实现权值微调。结果表明：振动信号经小波变换和图像增强处理后，能有效凸显故障特征；利用实验台小样本微调权值，能有效实现采煤机故障诊断的模型迁移。

关键词：采煤机;故障诊断;深度学习;卷积神经网络;迁移学习

基金资助：贵州省教育厅基金（黔教合KY字［2020］117）；六盘水市科技计划项目（52020-2019-05-12）；贵州省教育厅基金项目（黔教合协同创新字［2016］02）；六盘水师范学院基金项目（LPSSYKJTD201802）