机械工程学报

作者：董绍江, 夏宗佑, 邹松, 赵兴新, 雷开印

单位：1. 重庆交通大学机电与车辆工程学院 重庆 400074;2. 重庆交通大学交通运输学院 重庆 400074;3. 重庆长江轴承有限公司 重庆 401336

关键词：滚动轴承,故障诊断,广义零样本学习,特征生成,对比嵌入；

基金：重庆市自然科学基金创新发展联合基金(CSTB2024NSCQ-LZX0024);重庆市教育委员会科学技术研究项目(KJZD-K202300711);重庆市技术创新与应用发展专项重点项目(CSTB2024TIAD-KPX0081)项目资助

基于数据驱动的智能故障诊断方法是现代机械系统的研究热点。然而，由于实际限制，无法获得所有工作条件或故障类型的样本，这使得数据驱动的模型缺乏特定的训练数据，导致方法性能不令人满意。针对上述挑战，提出了一种基于对比嵌入特征生成的滚动轴承故障诊断模型，通过学习样本充足的故障，挖掘已有故障与缺失故障的共性特征，实现对特定类型的缺失故障生成与诊断。首先，将原始振动信号通过时频域特征分析得到对应故障特征的时频图；其次，采用已经预训练并精调的特征提取网络对时频图中的故障特征进行提取；随后，将提取的特征输入基于对比嵌入特征生成与带有梯度惩罚的Wasserstein生成对抗网络中，通过跨阶段的对比嵌入方法，并依据预先定义的细粒度故障描述，完成对缺失故障的特征生成，并将实际与生成的故障特征映射到嵌入空间中；最后，在嵌入空间中完成针对包括已知与缺失的全部故障类型的分类。将所提方法用于三种零样本故障诊断典型场景，实验结果表明，与其他方法相比，本文提出的方法能够实现对已知与缺失的故障类型进行诊断，并且在准确度上具有优势。

来源：2025年第23期

《机械工程学报》期刊编辑部

查看机械工程学报杂志2025年第23期