基于时频融合深度网络的矿用钻机轴承故障诊断

作     者：邹筱瑜 孙国庆 王忠宾 潘杰 刘新华 李鑫 ZOU Xiaoyu;SUN Guoqing;WANG Zhongbin;PAN Jie;LIU Xinhua;LI Xin

作者机构：中国矿业大学机电工程学院徐州221116 中国矿业大学信息与控制工程学院徐州221116 智能采矿装备技术全国重点实验室徐州221116 

基　　金：国家自然科学基金(62273349,62176258) 国家重点研发计划(2020YFB1314200) 中央高校基本科研业务费(2021YCPY0111) 江苏省高校优势学科建设工程(PAPD) 

出 版 物：《中国机械工程》 (China Mechanical Engineering)

年 卷 期：2024年第35卷第8期

页      码：1405-1413,1448页

摘      要：针对矿用钻机低速重载工作特性导致其轴承故障特征微弱、噪声大的问题,考虑单一模态下故障诊断的局限性,提出了一种基于时频融合深度网络的矿用钻机轴承故障诊断方法,对时域和时频域两种模态特征进行联合提取与分析。所设计的诊断网络在不同模块中区分性地嵌入不同注意力机制,实现多维度关键故障特征提取。最后通过钻机实验台数据集和凯斯西储大学轴承数据集进行验证。结果表明:所提方法能自动提取丰富的钻机轴承故障特征,比仅在时域或时频域分析具有更高的准确率和抗噪能力。

主 题 词：矿用钻机轴承 故障诊断 时频融合 注意力机制 空洞卷积 

学科分类：0820[工学-航空航天类] 081901[081901] 0819[工学-海洋工程类] 08[工学] 0802[工学-机械学] 0824[工学-林业工程类] 080201[080201] 

核心收录：

D　O　I：10.3969/j.issn.1004132X.2024.08.009

馆 藏 号：203138921...