针对实际工程中故障振动信号数据分布不同、数据量小的问题,提出一种基于卷积神经网络进行迁移学习的滚动轴承诊断方法。利用递归图对滚动轴承的一维时序数据进行图像转换,得到二维图像下的源域数据和目标域数据;将源域数据输入到添加ECA注意力机制的ResNet网络中进行预训练,得到预训练权重;将预训练权重迁移至模型当中,用少量样本进行训练,以验证集准确率为基准,获取此时的训练权重,并保存至目标模型中,最后将测试集数据输入到此时的模型进行验证。结果表明所提方法能够在目标域仅有少量训练样本的情况下,达到较高的故障识别准确率,且具有较强的鲁棒性能和泛化性能。

为了揭示20#钢、45#钢在往复运动过程中摩擦磨损非线性行为规律,在往复式摩擦试验机上进行了摩擦磨损试验,采集整个摩擦过程中的摩擦力信号.将不同摩擦磨损时间测得的摩擦力信号绘制成递归图并进行定量递归分析.研究发现磨合阶段的递归图具有沿主对角线高度集中的黑点,黑点向两侧对称分散并保持相对均匀分布,递归图的关联维数逐渐增加并稳定,最终黑点向主对角线回归,递归图的关联维数减小,剧烈磨损发生.递归图和关联维数分别直观和定量地描述了摩擦力的递归演化过程,研究结果可应用于识别磨合状态、正常磨损阶段和剧烈磨损阶段,其研究方法对其他摩擦系统的非线性行为具有借鉴意义.

经典的递归定量分析方法（Recurrence Quantification Analysis,RQA）是通过研究递归图中递归点在水平、垂直及对角方向的分布规律,对递归图进行定量研究。提出了一种新的递归定量分析方法：局部细节谱（Local Detail Spectrum,LDS）。该方法更关注于递归图中有限区间内递归点局部分布规律的定量分析。将所提出的局部细节谱用于齿轮故障分类,实验证明,局部细节谱可取得较好的故障识别效果。