小样本下基于MTF与SSCAM-MSCNN的滚动轴承变工况故障诊断方法
来源:计算机集成制造系统杂志2025年第1期北京时间:
作者:雷春丽, 焦孟萱, 薛林林, 张护强, 史佳硕
单位:1.兰州理工大学机电工程学院2.兰州理工大学数字制造技术与应用省部共建教育部重点实验室
摘要:针对滚动轴承在不同工况条件下样本分布不同以及故障样本数量不足导致故障诊断精度低、泛化性能差的问题,提出一种小样本下基于MTF与SSCAM-MSCNN的滚动轴承变工况故障诊断方法。首先,运用马尔科夫转移场(MTF)将一维振动信号转化为具有时间相关性的二维特征图。其次,提出条纹自校正注意力机制(SSCAM),它不仅可以加强模型在长距离方向上的特征提取能力,还能建立通道间依赖关系,可以对全局有效信息进行捕捉。然后,将SSCAM引入到多尺度神经网络(MSCNN)中,构建出SSCAM-MSCNN模型。最后,将MTF二维特征图输入到所提模型中进行训练,采用优化后的网络模型进行测试并输出分类结果。通过美国凯斯西储大学以及本实验室MFS滚动轴承数据集对所提方法进行验证,同时对后者进行加噪处理,与其他故障诊断模型进行对比。试验结果表明,所提方法在小样本、变工况条件下具有更高的识别精度、更强的泛化性能与抗噪性能。
关键词:滚动轴承,马尔科夫转移场,卷积神经网络,条纹自校正注意力机制,小样本,故障诊断
基金资助:国家自然科学基金资助项目(51465035);甘肃省自然科学基金资助项目(20JR5RA466)。
2025年1期其他文献查阅:
数字试验测试验证标准体系
面向AI生成的产品概念设计方案智能评估方法
基于冗余机械臂可操作性的改进动态运动基元方法
港口重载AGV转向稳定性容错控制策略
基于混合果蝇算法的双边装配线平衡问题研究
考虑转移时间的多目标双资源柔性作业车间节能调度
带忽略工序的多目标批量流混合流水车间调度
两阶段智能优化算法求解紧凑型带钢生产热轧调度问题
基于多信息体素的三角网格模型距离场算法
基于轻量级DeepLabV3+网络的焊接熔池图像分割方法
基于融入注意力机制的改进U-Net鲁棒焊缝识别算法
基于集成学习的压电陶瓷烧结过程质量预测建模
基于特征融合与语义引导的药用胶囊表面缺陷检测
基于卷积神经网络轻量化的改进SSD异纤检测方法
基于个性化联邦学习的异构船舶航行油耗预测
基于两级决策树模型的轧制时间预测方法
基于改进ACGAN算法的带钢小样本数据增强方法
混合云中面向多目标的工作流数据放置策略
基于BPMN的业务流程建模元素扩展机制
基于规则链的制造服务组合方法
扇形段拉矫力数据突变特征提取方法
基于深度学习的旋转机械大数据智能故障诊断方法
小样本下基于MTF与SSCAM-MSCNN的滚动轴承变工况故障诊断方法
基于知识蒸馏压缩混合模型的航空发动机剩余寿命预测研究
考虑状态增量的自适应Wiener过程剩余寿命预测
考虑技术效率不确定的风险规避制造商的绿色技术创新策略
基于MCF-GERT的复杂产品供应链交付多目标优化模型
基于列生成和分支定界算法的两阶段二次装箱问题
基于混合蒙特卡洛树搜索的电缆盘装箱方法
时变需求下汽车零部件整包配送库存路径优化
医疗废弃物协作回收模式及成本节约影响研究