云/边缘协同的轴承故障诊断方法

作     者：张文龙 胡天亮 王艳洁 魏永利 ZHANG Wenlong;HU Tianliang;WANG Yanjie;WEI Yongli

作者机构：山东大学机械工程学院山东济南250061 高效洁净机械制造教育部重点实验室山东济南250061 机械工程国家级实验教学示范中心山东济南250061 山东大学苏州研究院江苏苏州215123 衢州职业技术学院信息工程学院浙江衢州324002 

出 版 物：《计算机集成制造系统》 (Computer Integrated Manufacturing Systems)

年 卷 期：2020年第26卷第3期

页      面：589-599页

核心收录：

学科分类：08[工学] 080203[工学-机械设计及理论] 0802[工学-机械工程] 081101[工学-控制理论与控制工程] 0811[工学-控制科学与工程] 081102[工学-检测技术与自动化装置] 080201[工学-机械制造及其自动化] 

基　　金：国家自然科学基金资助项目(51875323) 山东省重点研发计划资助项目(重大科技创新项目)(2019JZZY010123) 苏州市2017年科技发展计划资助项目(SYG201709) 山东省产业领军人才培育资助项目(2016GRC3205) 

主　　题：智能故障诊断 云/边缘协同 卷积神经网络 迁移学习 

摘      要：现有轴承故障诊断技术存在以下问题:①传统诊断方法需要人工提取特征,耗时长,诊断结果不稳定;②卷积神经网络诊断方法需要大量的计算资源和较长的训练时间,与故障诊断的实时响应要求存在矛盾。针对以上问题,提出一种云/边缘协同的实时轴承故障诊断方案。经过实验验证,该方案在拥有少量样本情况下与不进行云/边缘协同相比可大幅提高诊断准确率,并节约大量的训练时间。通过改进的轴承故障诊断算法达到了较高的故障诊断准确性,并通过模型的迁移学习与边缘端协同,增强了故障诊断算法对个性化应用的适应性和故障诊断的实时性。