机床与液压

作者：丁汕汕，吴卫兵，刘飞，陈仁文

单位：铜陵学院电气工程学院；铜陵学院电气工程学院；中国人民解放军陆军工程大学，电磁环境效应与光电工程国家级重点实验室；南京航空航天大学航空学院

关键词：滚动轴承;故障诊断;深度学习;图嵌入方法

基金：国家自然科学基金项目（61472282；62172004）

滚动轴承故障诊断是机械设备健康监测与预维护的重要技术，对提高设备运行可靠性和降低维护成本具有重要意义。针对此，对滚动轴承故障诊断方法的研究进展进行综述，重点分析传统数据驱动方法、深度学习方法、图嵌入方法和Transformer方法在该领域的应用及其优缺点。传统方法在特征提取上存在局限性，深度学习方法虽然表现良好，但计算复杂度较高；图嵌入方法虽可有效处理非欧几里得数据，但仍面临非线性关系建模的挑战；Transformer方法在时序建模中具有优势，但其计算效率和参数量需进一步优化。其次，进一步分析当前研究的主要问题，包括网络结构复杂、信息关注不足、图数据处理困难以及长期依赖建模困难等。针对这些挑战，未来研究应致力于设计更加轻量化和高效的模型，提升模型的计算效率、鲁棒性及泛化能力，并加强对故障特征的关注和深度挖掘。

来源：2026年第1期

《机床与液压》期刊编辑部

查看机床与液压杂志2026年第1期