仪器仪表学报

作者：苗建国，李茂银，邓聪颖，何明格，苗 强

单位：苗建国,1. 重庆邮电大学自动化学院，2. 四川大学电气工程学院,,李茂银,3. 重庆邮电大学先进制造工程学院,,邓聪颖,3. 重庆邮电大学先进制造工程学院,,何明格,4. 中国石油川庆钻探工程有限公司,,苗 强,2. 四川大学电气工程学院,

关键词：非理想数据;有限元仿真;迁移学习;故障诊断

基金：国家自然科学基金(52075349)项目资助

旋转机械在实际工程应用中常处于正常状态,因而呈现故障样本稀少甚至部分缺失等非理想数据情况。针对直接采用非理想数据建立深度学习诊断模型时的低准确率问题,提出基于有限元仿真数据辅助迁移学习的故障诊断方法。首先,通过数值仿真计算不同运行工况和故障类型的轴承信号;进而,利用大量低成本高保真的仿真样本对模型预训练,利用真实小样本或者仿真样本增补后的混合样本进行模型微调,以完成高准确率故障诊断,并降低迁移学习对故障轴承实测数据的依赖;最后,利用两个轴承实验台数据进行验证。结果表明在单类故障样本数为1时,采用所提方法建立的模型准确率超过95%;在故障样本稀少且多类缺失时,准确率比仿真数据直接增补方式提升超10%。

来源：2023年第4期

《仪器仪表学报》期刊编辑部

查看仪器仪表学报杂志2023年第4期