机床与液压

作者：杜康宁，宁少慧

单位：太原科技大学机械工程学院；太原科技大学机械工程学院

关键词：自适应综合采样;Swin Transformer模型;轴承故障诊断

基金：山西省自然科学基金项目（201901D111239）

针对实际工况下，正常样本丰富、故障样本稀缺的类别不平衡情形，导致基于深度学习的故障诊断模型诊断能力较差这一问题，提出一种基于自适应综合采样方法(ADASYN)和Swin Transformer的故障诊断模型。使用自适应综合采样方法，改善数据分布，解决实际工况中故障样本与正常样本类别不平衡问题；使用Swin Transformer网络模型代替CNN网络 ，并使用深度迁移学习方法，使Swin Transformer网络模型掌握判别滚动轴承故障所需的浅层权重，深层权重通过反向传播方法训练获得；之后，将模型用于轴承故障测试，并对其进行调试；最后，将模型用于轴承故障实测，检验其实际工况下的诊断能力。实验结果表明：所提模型具有97%的诊断准确率，能够很好地适用于类别不平衡情形下的滚动轴承故障诊断。

来源：2023年第15期

《机床与液压》期刊编辑部

查看机床与液压杂志2023年第15期