基于GADF-MDSC的特大型轴承深度迁移故障诊断方法

来源：振动与冲击杂志2024年第19期北京时间：

作者：姜烨飞，王华，潘裕斌，王天祥，傅航

单位：1.南京工业大学机械与动力工程学院，南京211800;2.索特传动设备有限公司，江苏 常熟215500

摘要：针对工程应用中特大型轴承运行工况复杂以及故障数据匮乏，导致其故障特征提取不全面的问题，提出了一种基于格拉姆角差场与多尺度深度可分离卷积(Gramian angular difference field and multi-scale depthwise separable convolutions，简称GADF-MDSC)的特大型轴承深度迁移智能诊断方法。首先，构建GADF-MDSC故障诊断网络，该网络分为三大模块：图像转换、特征提取、输出部分。图像转换模块采用格拉姆角差场编码方式将振动信号转换为二维图像；特征提取模块通过多尺度深度可分离卷积提取综合故障特征信息，并利用双向门控循环单元筛选融合特征；输出部分由Softmax函数预测轴承故障类型的概率分布。然后，利用源域数据预训练模型，将预训练模型权重参数作为目标域训练模型初始化参数，冻结除底层外的所有参数，使用目标域数据微调模型，实现深度迁移故障诊断任务。最后，通过两种特大型轴承试验对深度迁移模型进行验证。试验结果表明，所提方法在目标域样本仅有5%的条件下，仍能保证较高的跨工况精度，达到86.04%，且迁移效果优于其他方法。<br>

关键词：特大型轴承；故障诊断；迁移学习；格拉姆角场；多尺度卷积；深度可分离卷积