基于特征参数迁移的滚动轴承故障诊断

摘要

针对变工况下的滚动轴承无法获得大量带标签样本数据以及传统深度学习诊断方法识别率低的问题,提出一种基于迁移学习的卷积神经网络模型滚动轴承故障诊断方法。首先,采用短时傅里叶变换处理滚动轴承振动信号获得源域、目标域样本集;其次,利用源域样本预训练卷积神经网络模型;最后,通过目标域样本微调卷积神经网络模型实现滚动轴承故障诊断。通过2种不同滚动轴承振动数据进行迁移故障诊断实验,实验结果表明:相对于卷积神经网络的故障诊断方法,基于迁移学习的卷积神经网络故障诊断识别率提高了7%。