机床与液压

作者：徐子轩，刘红奇，谭波，薛敬宇，赵明

单位：华中科技大学机械科学与工程学院；华中科技大学机械科学与工程学院；华中科技大学机械科学与工程学院；武汉重型机床集团有限公司；武汉重型机床集团有限公司

关键词：主轴轴承;状态监测;深度学习;特征重构

基金：湖北省重点研发计划项目（2023BAB086）

针对多传感器数据处理中特征提取采用统一处理模式且决策边界构建仅依赖正常数据的双重局限，以机床空转过程的主轴振动、声音、电流及温度信号为研究对象，提出一种基于特征重构的双通道融合监测模型。通过双通道特征提取模块分别提取信号的高频瞬态特征和低频累积特征，利用改进的Transformer架构构建多传感器动态注意力交互模块，实现多传感器动态特征的关联建模；引入真实-仿真信号对抗空间，增强状态可分性；最后，通过特征重构误差判别主轴轴承的健康状态。分别采用AUC指标、CDI指标和箱线图来全面评估所构建模型的性能。实验结果表明：在两类人工故障、三类真实故障场景下，该模型较6类基线模型的平均AUC和CDI指标分别提升20.1%和24.6%，显著提升了工业设备状态监测的泛化能力。消融实验进一步验证了特征提取模块和对比学习模块对模型性能的积极作用。

来源：2026年第8期

《机床与液压》期刊编辑部

查看机床与液压杂志2026年第8期