基于深度迁移自编码器的变工况下滚动轴承故障诊断方法

来源：计算机测量与控制杂志2021年第7期北京时间：

作者：苏靖涵,张潇

单位：南开大学电子信息与光学工程学院

摘要：在实际工业场景下的轴承故障诊断，存在轴承故障样本不足，训练样本与实际信号样本存在分布差异的问题。本文提出一种新的基于深度迁移自编码器的故障诊断方法FS-DTAE，应用于不同工况下的轴承故障诊断。该方法首先采用小波包变换进行信号处理与特征提取；其次，采用提出的基于朴素贝叶斯与域间差异的特征选取（FSBD）方法对统计特征进行评估，选取更有利于跨域故障诊断和迁移学习的特征；然后，利用源域特征数据训练深度自编码器，将训练得到的模型参数迁移至目标域，再利用目标域正常状态样本对深度迁移自编码器模型进行微调，微调后的模型用于目标域无标签特征数据的故障分类。最后，基于CWRU轴承故障数据开展不同工况下故障诊断实验，结果表明，所提出的FS-DTAE方法能够有效提高不同工况下的故障诊断准确率。

关键词：故障诊断;自编码器;迁移学习;特征选取;变工况

基金资助：国家重点研发计划项目（项目编号：2020YFB1711500）