机床与液压

作者：郭明军，冯泽安，陈昕昀，李鑫

单位：广西科技大学机械与汽车工程学院；广西科技大学机械与汽车工程学院；广西科技大学机械与汽车工程学院；广西科技大学机械与汽车工程学院

关键词：柔性薄壁轴承;故障诊断;细粒度识别;一维卷积神经网络;多头注意力

基金：广西自然科学基金项目(2025GXNSFHA069192)；广西高校中青年教师科研基础能力提升项目(2025KY0346)；广西科技大学博士基金项目(校科博21z59)；广西研究生教育创新计划项目(YCSW2025574)；国家自然科学基金项目(52375538)

针对柔性薄壁轴承的细粒度损伤识别问题，提出一种用于旋转机械故障诊断的Transformer模型(RMFD-Transformer)。对柔性薄壁轴承的振动加速度信号进行非重叠采样，获取1 024个采样点的故障样本，每种故障类型采集200个样本；将所有样本预处理为频域数据集，并将样本集划分为训练集和测试集，分别用于训练RMFD-Transformer模型以及对模型进行诊断性能测试。试验结果表明：即使在小样本条件下，该模型能够准确识别柔性薄壁轴承的故障类型和故障程度，多次独立验证的平均准确率为96.43%，诊断性能优于Transformer、1DCNN、SVM和BP等传统模型。采用西储大学滚动轴承数据集的故障诊断试验结果表明：所提模型同样适用于滚动轴承的故障诊断，多次独立验证的平均准确率达98%，在滚动轴承上具有更高的识别精度。该研究为复杂工况下的轴承故障诊断提供了新的解决方案。

来源：2026年第3期

《机床与液压》期刊编辑部

查看机床与液压杂志2026年第3期