深度迁移故障诊断模型

变工况99.76%

针对船用涡轮增压器转子不平衡与轴承磨损故障，利用多核最大均值差异实现跨域特征迁移，在变工况下实现高准确率识别。

Hu, Lei · 刘路远 · Jianguo, Yang · Haoran, Hu · Can, Zheng · 余永华

International Journal of Mechanical Sciences 2025

参数信息

故障分类准确率

99.76 %

仿真模型相对误差

5 %

技术优势

不用做故障实验

用有限元仿真生成故障振动数据，避免了高成本和高风险的故障模拟测试。

变工况也准确

采用深度迁移学习，利用多核最大均值差异实现跨域特征迁移，在不同转速和故障严重程度下仍达到99.76%的分类准确率。

模型验证充分

数值仿真模型与实验数据对比，相对误差小于5%，保证了仿真数据的可靠性。

应用场景

• 旋转机械故障诊断：用少量仿真数据训练模型，即可诊断转子不平衡和轴承磨损等常见旋转机械故障。
• 船用涡轮增压器健康监测：接入振动监测系统，实时识别船用涡轮增压器早期故障，避免停机损失。
• 设备预测性维护：准确诊断故障类型和严重程度，为制定维护计划提供依据，减少非计划停机。
• 工业设备智能运维：模型可部署到边缘设备，实现工业现场设备的智能运维和故障自动报警。
• 具身智能感知诊断：结合振动感知和智能诊断，赋予设备自主健康状态感知和故障识别能力。