变工况滚动轴承故障诊断方法综述
Summary of Fault Diagnosis Methods for Rolling Bearings Under Variable Working Conditions作者机构:宁夏大学机械工程学院银川750021
出 版 物:《计算机工程与应用》 (Computer Engineering and Applications)
年 卷 期:2022年第58卷第18期
页 面:26-42页
学科分类:08[工学] 081104[工学-模式识别与智能系统] 0802[工学-机械工程] 0811[工学-控制科学与工程] 080201[工学-机械制造及其自动化]
主 题:变工况 故障诊断 深度学习 迁移学习 时频分析 阶次跟踪
摘 要:智能制造背景下,旋转机械工况更加复杂,运行条件更加严峻,设备的运行状态监测与故障诊断更加重要。变工况条件下,轴承振动信号存在幅值变、脉动冲击间隔、采样相位不恒定和信号噪声污染等特点,传统滚动轴承故障诊断方法的应用受到了限制。针对变工况条件下的轴承故障诊断技术,发展了以阶次跟踪、时频分析、随机振动以及混沌理论等人工提取特征的信号解调与分析方法、以卷积神经网络、自编码器与深度置信网络为代表的深度学习方法以及迁移学习方法。回顾近五年变工况轴承故障诊断领域的进展,从算法原理、算法优化以及算法实际应用等角度,详细介绍几种当前主流的变工况故障诊断方法,讨论各类算法的优势不足及适用场景,为后续的研究指明方向。