基于多维信息协同神经网络的轴承跨工况故障诊断

来源：振动与冲击杂志2025年第13期北京时间：

作者：李庆,，周公博gbzhou@cumt,，周坪,，闫晓东,，韩链锋,,李强,马国庆,

单位：1.江苏省矿山机电设备重点实验室，江苏徐州221116；2.中国矿业大学机电工程学院，江苏徐州221116;3.陕西延长石油榆林可可盖煤业有限公司,陕西榆林719015

摘要：目前大多数域泛化学习方法的实现依赖多源域和有标签数据，然而，在轴承的复杂运行工况下，对机械进行完整的监测数据采集非常困难。针对不完备信息下的跨工况故障诊断任务，提出了一种基于多维信息协同神经网络（Multi-dimensional information collaborative neural network, MICNN）的轴承跨工况故障诊断方法。MICNN包括协同归一化策略（Collaborative normalization, CNM）和多维时空特征融合模块(Multi-dimensional spatiotemporal feature fusion module ,MSTFF)。CNM通过集群和样本个体两种维度上的特征统一和信息融合来减少协变量偏移和过拟合现象；MSTFF通过通道和空间维度上的关键特征捕捉和信息交互来增强域不变特征的提取。所提方法在PU数据集、江南大学数据集和实验室自建数据集的6个不同跨工况任务中平均准确率分别达到了98.74%、96.59%和93.81%，与现有主流的方法相比，所提方法具有更好的故障诊断效果。<br>

关键词：域泛化；故障诊断；归一化；注意力机制；卷积神经网络