云/边缘协同的轴承故障诊断方法

来源：计算机集成制造系统杂志2020年第3期北京时间：

作者：张文龙,胡天亮,王艳洁,魏永利

单位：1.山东大学机械工程学院2.高效洁净机械制造教育部重点实验室3.机械工程国家级实验教学示范中心4.山东大学苏州研究院5.衢州职业技术学院信息工程学院

摘要：现有轴承故障诊断技术存在以下问题:①传统诊断方法需要人工提取特征,耗时长,诊断结果不稳定;②卷积神经网络诊断方法需要大量的计算资源和较长的训练时间,与故障诊断的实时响应要求存在矛盾。针对以上问题,提出一种云/边缘协同的实时轴承故障诊断方案。经过实验验证,该方案在拥有少量样本情况下与不进行云/边缘协同相比可大幅提高诊断准确率,并节约大量的训练时间。通过改进的轴承故障诊断算法达到了较高的故障诊断准确性,并通过模型的迁移学习与边缘端协同,增强了故障诊断算法对个性化应用的适应性和故障诊断的实时性。

关键词：智能故障诊断,云/边缘协同,卷积神经网络,迁移学习

基金资助：国家自然科学基金资助项目(51875323);山东省重点研发计划资助项目(重大科技创新项目)(2019JZZY010123);苏州市2017年科技发展计划资助项目(SYG201709);山东省产业领军人才培育资助项目(2016GRC3205)。