基于属性强度关联性矩阵的零样本滚动轴承故障诊断

来源：振动与冲击杂志2025年第2期北京时间：

作者：苑茹，马萍maping@xju，张宏立，王聪，王瑾春，李家声

单位：1.新疆大学电气工程学院，乌鲁木齐830017；2.新疆大学智能科学与技术学院，乌鲁木齐830017

摘要：针对传统有监督学习模型难以辨别滚动轴承未知类故障的问题，提出一种基于属性强度关联性矩阵的零样本滚动轴承故障诊断模型。首先，利用样本之间属性强度关系对数据库中故障样本进行细粒度描述，建立各故障样本与故障类别间的关联关系；其次，引入自适应深度可分离残差网络(Adaptive Deep Separable Residual Network, ADSRNet)提取故障属性相关的特征信息；最后，根据属性细粒度描述和特征信息，使用属性学习模块预测未知类故障的属性，通过计算其与属性矩阵的欧氏距离，实现零样本轴承故障的诊断。实验结果表明，相较于其他模型，本文模型在识别未知滚动轴承故障类别方面取得了优异的性能，平均诊断准确率达到90.45%，验证了本文模型的有效性与优越性，为实际生产提供了有益的应用价值。<br>

关键词：滚动轴承故障诊断；零样本学习；属性强度关联性矩阵；特征提取；属性学习