基于异构输入和改进集成学习的滚动轴承故障诊断

来源：振动与冲击杂志2024年第19期北京时间：

作者：赵柄锡，虞磊，陈景阳，马梁，王俊

单位：1. 中国航发商用航空发动机有限责任公司， 上海200240；2. 中国民航大学天津市民用航空器适航与维修重点实验室， 天津300300；3. 中国科学院力学研究所非线性力学国家重点实验室， 北京100190

摘要：针对传统滚动轴承故障诊断无法利用多维故障信息以及仅关注总体正确率而较少考虑类别间诊断均衡性的问题，构建了一种具有异构输入的滚动轴承集成学习故障诊断方法。为此，首先发展了基于多域异构输入和特征融合的复合结构网络模型（H-NET），相比单网络结构模型增加了输入的多样性和特征稳健性；其次，针对传统Adaboost集成学习未考虑类别间分类均衡性的问题，引入类别权重提出了H-NET训练策略，将其与Adaboost算法融合建立了改进的集成学习方法。验证结果表明：采用H-NET相对单网络结构模型可以提高故障诊断的正确率和均衡性；同时，基于改进后集成学习构建的故障诊断模型在保证总体正确率同时提升了强分类模型的稳健性。最后与文献中方法进行对比，进一步表明了本文方法的优越性。<br>

关键词：滚动轴承；异构输入；集成学习；故障诊断