基于迁移成分分析的传动轴承故障诊断研究

针对深度学习模型的传动故障诊断样本量不足的问题,提出了一种基于迁移成分分析和卷积神经网络的轴承故障诊断方法。对采样的轴承数据依据转速进行分帧形成数据集,将数据映射到高维希尔伯特空间,基于数据边缘分布差异最小原则构建迁移特征集,再将特征集导入多层卷积神经网络等多种判别器实现轴承的跨工况故障诊断。结果表明:搭建的模型上具有较高的跨工况域故障诊断准确率,可满足轴承故障诊断的要求,为跨工况条件下轴承的故障检测提供新的思路。