基于深度学习和多域决策融合的轴承故障智能诊断技术

来源：计算机集成制造系统杂志2024年第10期北京时间：

作者：林诗麒, 陈智丽, 李宇鹏, 孟维迎

单位：1.沈阳建筑大学信息与控制工程学院2.沈阳建筑大学土木工程学院3.沈阳建筑大学机械工程学院

摘要：鉴于滚动轴承振动信号的不平稳性及单一信息域特征的局限性在一定程度上增加了故障诊断难度,提出一种基于深度学习和多域决策融合的轴承故障诊断技术。采用S变换和递归图变换技术将振动信号从一维时域扩展至二维时频域和空间域;为使诊断模型适应故障数据稀缺的现状,构建泛化性和自适应性较好的微型卷积神经网络,学习提取信号的多域特征,并使网络参数低至6个数量级,可实现快速训练和故障诊断;最后引入D-S证据理论对单域诊断结果进行融合。所提方法对凯斯西储大学数据集的9类轴承故障的平均诊断准确率达到99.84%。

关键词：滚动轴承,微型卷积神经网络,多域融合,故障诊断

基金资助：工信部工业互联网创新发展工程——信息物理系统应用项目。