基于Inception-LSTM的退火窑辊道系统轴承故障诊断

作     者：周康渠 刘田创 辛玉 谢文南 ZHOU Kangqu;LIU Tianchuang;XIN Yu;XIE Wennan

作者机构：重庆理工大学机械工程学院重庆400054 重庆万盛浮法玻璃有限公司重庆400800 

出 版 物：《噪声与振动控制》 (Noise and Vibration Control)

年 卷 期：2024年第44卷第1期

页      面：174-180页

核心收录：

学科分类：12[管理学] 083002[工学-环境工程] 1204[管理学-公共管理] 120402[管理学-社会医学与卫生事业管理(可授管理学、医学学位)] 0830[工学-环境科学与工程（可授工学、理学、农学学位）] 08[工学] 080203[工学-机械设计及理论] 0837[工学-安全科学与工程] 0802[工学-机械工程] 080201[工学-机械制造及其自动化] 

基　　金：重庆市自然科学基金面上资助项目(cstc2020jcyjmsxmX0334) 重庆理工大学科研启动基金资助项目(2020ZDZ009) 

主　　题：故障诊断 辊道轴承 通轴轴承 样本不平衡 跨转速 MK-MMD 

摘      要：玻璃生产线退火窑辊道系统轴承运行状态显著影响玻璃品质和生产效率,实时监测各轴承运行状态对确保退火窑系统的平稳运行具有重要意义,提出结合Inception模块和长短期神经网络(Long Short-term Memory,LSTM)的迁移诊断方法,对退火窑辊道系统中的辊道轴承和通轴轴承运行状态进行监测、诊断。首先,使用集合经验模态分解(Ensemble Empirical Mode Decomposition,EEMD)对轴承信号进行分解和重构降噪,并利用直方均衡化增强重构信号小波时频图的聚集性。然后,针对样本充足的辊道轴承,建立Inception-LSTM网络,提取多尺度特征并学习其中的时间依赖关系,实现状态诊断。再次,针对转速不同且样本量少的通轴轴承,以辊道轴承信号为源域,以通轴轴承信号为目标域,以Inception-LSTM网络为基础,使用多核最大均值差异(Multi-kernel Maximum Mean Discrepancies,MKMMD)减小分布差异,实现故障样本不平衡条件下的跨转速域不变特征提取和迁移诊断。最后,利用实验数据和实测数据验证本算法的有效性,结果表明,该方法能有效诊断出退火窑辊道系统轴承故障,且具有较高的准确率。