小样本条件下仿真数据驱动的轴承故障诊断方法研究
吴亚男
吴锦辉
陈永昶
杨雨
陶友瑞
河北工业大学 省部共建电工装备可靠性与智能化国家重点实验室,天津 300401;河北工业大学 机械工程学院,天津 300401
摘要：[目的]基于深度学习的故障诊断需要大量的高质量数据进行训练.针对轴承真实故障数据难以获取,导致故障诊断难以开展的问题,提出一种小样本条件下仿真数据驱动的轴承故障诊断方法.[方法]通过构建动力学模型,获取轴承不同状态下的仿真数据;并基于引入通道注意力机制的通道条件梯度惩罚Wasserstein生成对抗网络(Conditional Channel Wasserstein Generative Adversarial Network with Gradient Penalty,CCWGAN-GP)模型对仿真数据进行数据增强,生成与仿真数据高度相似的合成数据构成虚拟数据;最后,使用基于验证集损失进行微调的迁移学习模型,将从虚拟数据学习到的参数迁移到试验数据中,实现小样本试验数据条件下轴承故障的有效诊断.[结果]采用凯斯西储大学轴承数据进行试验,验证了本文研究方法的有效性,表明所提方法在小样本条件下能够取得优异的故障诊断性能.
关键词：轴承动力学模型故障诊断小样本数据增强迁移学习
分类号：TH133(机械零件及传动装置)
资助基金：国家自然科学基金(U23A6017)国家自然科学基金(52105249)河北省科技计划项目(23281805Z)
论文发表日期：2026-07-15
在线出版日期：2026-09-12（本平台首次上网日期，不代表文献的发表时间）
页数：12( 142-153 )
英文信息