滚动轴承故障诊断方法

跨工况域广化强

学生网络同时提取相位与二维时频图的双不变特征，将在已知工况下习得的判别能力迁移至未知工况数据。

Xie, Yining · Jiangtao, Shi · Cong, Gao · Guojun, Yang · Zhichao, Zhao · Guohui, Guan · 陈德运

IEEE Transactions on Instrumentation and Measurement 2024

技术优势

双不变特征

同时利用相位信息和二维时频图，从两个不同角度提取域不变特征，使模型在未知工况下表现更稳健。

无需目标域数据

训练时仅使用源域数据，通过知识蒸馏让学生网络学习教师网络提取的内部不变特征，因此无需采集目标工况样本即可完成跨域诊断。

应用场景

• 工业设备智能运维：将训练好的模型部署到不同工况的设备上，无需重新采集数据即可实现故障识别。
• 机器人旋转部件监测：对机器人关节电机轴承进行实时监测，跨工况适应性强，减少停机损失。
• 边缘端故障预警：轻量学生网络可直接嵌入边缘设备，对振动信号进行在线诊断并提前预警。