仪器仪表学报

作者：于洋，何明，刘博，陈长征

单位：于洋,沈阳工业大学沈阳110870,,何明,沈阳工业大学沈阳110870,,刘博,沈阳工业大学沈阳110870,,陈长征,沈阳工业大学沈阳110870,

关键词：声发射技术;滚动轴承;故障诊断;长短时记忆网络;迁移学习

基金：国家自然科学基金（51675350）项目资助

针对多工况下滚动轴承故障声发射信号智能识别问题，提出了一种长短时记忆网络（LSTM）与迁移学习（TL）相结合的故障识别新方法。该方法仅以单一工况下原始声发射信号参数作为训练样本，构建LSTM模型充分挖掘出声发射信号与故障之间的深层次映射关系，以识别与训练工况具有相近分布特征的其他工况下故障；引入并结合TL来应对相异分布特征的其它工况下故障识别问题，从而可完成多种类型工况下故障特征的自适应提取与智能识别。实验结果表明，对于转速、采集位置或滚动轴承型号工况改变时内圈、外圈及保持架故障的识别均具有较高的准确率，可端对端的实现多种类型工况下故障的实时在线智能监测任务，摆脱了对先验故障数据的过分依赖，验证了该方法的可行性与优越性。

来源：2019年第5期

《仪器仪表学报》期刊编辑部

查看仪器仪表学报杂志2019年第5期