故障冲击增强与双通道融合的自适应轴承故障诊断

来源：振动与冲击杂志2025年第17期北京时间：

作者：刘斌，曹丽君liubin@tyust，武欣雅，段云凤，杨栋辉，谢秀梅

单位：1. 太原科技大学 应用科学学院， 太原030024;2. 太原科技大学 经济管理学院， 太原030024

摘要：针对传统轴承故障诊断方法中存在的依赖专家经验、特征提取困难、准确率不高等问题，提出一种结合故障冲击增强与双通道融合的自适应神经网络诊断方法。首先，将振动信号通过最大相关峭度解卷积转换为故障冲击增强的信号。其次，将网格搜索算法引入卷积神经网络(Convolutional Neural Network, CNN)-Transformer-双向长短期记忆网络(Bidirectional Long Short-Term Memory network, BiLSTM)中，双通道CNN-Transformer用来提取信号的局部和全局特征信息，BiLSTM则用来提取双通道特征融合的时序信息，从而自适应识别轴承的故障状态。最后，通过全连接层输出故障分类诊断结果。实验表明，本方法自适应识别多工况轴承故障，展现了较强的鲁棒性与泛化能力。<br>

关键词：多工况故障诊断；故障冲击增强；自适应特征提取；网格搜索算法；最大相关峭度解卷积