２０２３年第４２卷１月第１期机械科学与技术ＭｅｃｈａｎｉｃａｌＳｃｉｅｎｃｅａｎｄＴｅｃｈｎｏｌｏｇｙｆｏｒＡｅｒｏｓｐａｃｅＥｎｇｉｎｅｅｒｉｎｇＪａｎｕａｒｙＶｏｌ．４２２０２３Ｎｏ．１ｈｔｔｐ：／／ｊｏｕｒｎａｌｓ．ｎｗｐｕ．ｅｄｕ．ｃｎ／收稿日期：２０２１０２０２基金项目：国家自然科学基金项目（５１５０５３７７，５１５７５４４３）、陕西留学人员科技活动择优项目（３０２／２５３０８１６０５）及陕西省教育厅协同创新中心项目（２０ＪＹ０４７）作者简介：任胜杰（１９９７－），硕士，研究方向为故障诊断和深度学习，ｒ１６５３４８２１４２＠１６３．ｃｏｍ∗通信作者：郭伟超，副教授，硕士生导师，博士，ｗｅｉｃｈａｏｇｕｏ＠ｘａｕｔ．ｅｄｕ．ｃｎ任胜杰，郭伟超，舒定真，等．时频分析和深度学习相结合的滚动轴承故障诊断［Ｊ］．机械科学与技术，２０２３，４２（１）：１４９⁃１５８时频分析和深度学习相结合的滚动轴承故障诊断任胜杰，郭伟超∗，舒定真，汤奥斐，高新勤，李言（西安理工大学机械与精密仪器工程学院，西安７１００４８）摘要：滚动轴承大量使用在旋转机械中，轴承的工况严重影响着机械设备的正常运行。为了提高轴承故障的诊断精度，本文提出了一种时频分析和深度学习相结合的滚动轴承诊断方法。首先，分析了十种不同时频分析方法；其次，建立了深度学习的滚动轴承故障诊断模型，并利用迁移学习克服训练样本数量少的问题，通过对比分析，常数Ｑ变换（ＣｏｎｓｔａｎｔＱｔｒａｎｓｆｏｒｍ，ＣＱＴ）的准确率可达１００％；最后，利用实验数据对所提方法的有效性和可靠性进行验证，分别评估了在不同负载和噪声情况下的识别精度，并与文献中的方法对比，证明所提方法在不同工作环境条件下都有较好的鲁棒性和较高的识别精度。关键词：滚动轴承；故障诊断；时频分析；深度学习；迁移学习中图分类号：ＴＨ１６５.３；ＴＨ１３３.３３文献标志码：ＡＤＯＩ：１０．１３４３３／ｊ．ｃｎｋｉ．１００３⁃８７２８．２０２００５７５文章编号：１００３⁃８７２８（２０２３）０１⁃０１４９⁃１０ＦａｕｌｔＤｉａｇｎｏｓｉｓＭｅｔｈｏｄｏｆＲｏｌｌｉｎｇＢｅａｒｉｎｇＣｏｍｂｉｎｉｎｇＴｉｍｅ⁃ｆｒｅｑｕｅｎｃｙＡｎａｌｙｓｉｓｗｉｔｈＤｅｅｐＬｅａｒｎｉｎｇＲＥＮＳｈｅｎｇｊｉｅ，ＧＵＯＷｅｉｃｈａｏ∗，ＳＨＵＤｉｎｇｚｈｅｎ，ＴＡＮＧＡｏｆｅｉ，ＧＡＯＸｉｎ...
