关键词:
特大型轴承
故障诊断
迁移学习
格拉姆角差场(GADF)
多尺度深度可分离卷积(MDSC)
摘要:
针对工程应用中特大型轴承运行工况复杂以及故障数据匮乏,导致其故障特征提取不全面的问题,提出了一种基于格拉姆角差场-多尺度深度可分离卷积(Gramian angular difference field-multi-scale depthwise separable convolutions,GADF-MDSC)的特大型轴承深度迁移智能诊断方法。首先,构建GADF-MDSC故障诊断网络,该网络分为三大模块:图像转换、特征提取、输出部分。图像转换模块采用GADF编码方式将振动信号转换为二维图像;特征提取模块通过MDSC提取综合故障特征信息,并利用双向门控循环单元筛选融合特征;输出部分由Softmax函数预测轴承故障类型的概率分布。然后,利用源域数据预训练模型,将预训练模型权重参数作为目标域训练模型初始化参数,冻结除底层外的所有参数,使用目标域数据微调模型,实现深度迁移故障诊断任务。最后,通过两种特大型轴承试验对深度迁移模型进行验证。试验结果表明,所提方法在目标域样本仅有5.00%的条件下,仍能保证较高的跨工况精度,达到86.04%,且迁移效果优于其他方法。