基于深度迁移学习的轴承故障分析

作     者：季旭峰 邓亚飞 杜世昌 吕君 JI Xufeng;DENG Yafei;DU Shichang;LüJun

作者机构：上海交通大学机械与动力工程学院上海200240 华东师范大学经济与管理学院上海200241 

基　　金：上海市人工智能创新发展专项基金(2019-RGZN-01026) 上海市浦江人才计划(18PJC031)资助项目 

出 版 物：《机械设计与研究》 (Machine Design And Research)

年 卷 期：2021年第37卷第1期

页      码：106-110页

摘      要：滚动轴承作为旋转机械的核心部件,其运行的稳定性决定了机械运行的可靠性。轴承故障主要出现在滚体、内圈、外圈上,为确保机械的安全、稳定运行,对于滚动轴承故障的分析和预测具有极大的意义。提出了一种基于深度迁移学习的方法用于滚动轴承故障数据的分析与预测,基于同一工况下的轴承各类故障搭建深度迁移学习的模型,加入稀疏自编码器用于提取特征,并将模型用于不同载荷工况下验证模型的可靠性。深度迁移学习的方法适用于模型相似的问题,减少了模型搭建的时间,提高了训练效率。

主 题 词：滚动轴承 故障分析 深度迁移学习 

学科分类：08[工学] 080203[080203] 0802[工学-机械学] 080201[080201] 

D　O　I：10.13952/j.cnki.jofmdr.2021.0022

馆 藏 号：203102485...