基于DR-VAE与自注意力机制的电机轴承故障诊断

作     者：杨青 刘彦俏 吴东升 崔宝才 YANG Qing;LIU Yanqiao;WU Dongsheng;CUI Baocai

作者机构：沈阳理工大学自动化与电气工程学院沈阳110159 

基　　金：辽宁省教育厅科学研究计划资助项目(LG201917) 沈阳理工大学高水平成果建设计划资助项目(SYLUXM202109) 

出 版 物：《轴承》 (Bearing)

年 卷 期：2023年第9期

页      码：72-79页

摘      要：为提高电机轴承故障诊断的精度,提出一种深度残差变分自编码器与自注意力机制相结合(DR-VAE-SAM)的电机轴承故障诊断方法。首先,在数据预处理中使用矢量量化变分自编码(VQ-VAE)对轴承故障数据进行增强,训练完成后将生成的故障样本混入原始样本中以平衡和增强数据集;然后,将深度残差网络与变分自编码器结合,增加了迁移学习中最大均值差异(MMD)作为融合标准;最后,在编、解码过程中引入自注意力机制提取特征的关键信息。通过西储大学和东南大学的轴承数据进行试验验证,结果表明,在故障数据少、样本不平衡以及变工况情况下,DR-VAE-AM模型能够有效提高故障诊断精度,并有较好的泛化能力。

主 题 词：滚动轴承 故障诊断 深度学习 自注意力机制 变工况 特征融合 

学科分类：12[管理学] 1201[管理学-管理科学与工程类] 08[工学] 081104[081104] 080203[080203] 0802[工学-机械学] 0835[0835] 0811[工学-水利类] 080201[080201] 0812[工学-测绘类] 

D　O　I：10.19533/j.issn1000-3762.2023.09.013

馆 藏 号：203123415...