机床与液压

作者：周思康，张明柱，王宁宁，王一帆，史帅涛，邱明

单位：河南科技大学机电工程学院；河南科技大学机电工程学院；黄河科技学院工学部；河南科技大学机电工程学院；河南科技大学机电工程学院；河南科技大学机电工程学院；河南科技大学机电工程学院

关键词：砂轮磨损状态识别;迁移学习;ECA-VGG16;格拉姆角和场(GASF);声发射信号

基金：山东省重点研发计划项目(2020CXG011001)

针对轴承套圈磨削过程中砂轮磨损状态识别精度低的问题，提出一种基于ECA-VGG16和迁移学习的砂轮磨损状态识别方法。采集3种工况下砂轮全寿命周期磨削过程中的声发射信号，并使用格拉姆角和场(GASF)将声发射信号转换为二维图像，构建源域数据集和目标域数据集。分析不同砂轮进给速度下3种砂轮磨损迁移学习任务，并对所提方法进行验证。结果表明：所提模型在3种多源域数据集中的平均识别准确率达到97.61%，比单源域迁移识别准确率94.04%提高了3.80%，表明通过构建多源域数据集进行迁移学习，可以有效提高砂轮磨损状态的识别准确率；与残差神经网络ResNet、对抗神经网络GAN和域自适应网络DAN相比，所提方法在多源域迁移（A/B→C、A/C→B、B/C→A）中的识别准确率分别为97.00%、97.50%、98.32%，均比上述3种算法得到的识别结果优异。研究结果为当前轴承套圈砂轮磨损状态监测工程应用提供了参考。

来源：2025年第19期

《机床与液压》期刊编辑部

查看机床与液压杂志2025年第19期