迁移学习在轴承保持架故障诊断中的研究

简介

针对滚动轴承保持架由于故障频率太小容易被噪声干扰,振动分析等传统故障检测方法检测困难,特征较难提取的问题,提出一种基于迁移学习的轴承保持架的故障诊断算法。利用数据量较多但缺少保持架故障相关数据的凯斯西储大学的轴承振动加速度数据集进行模型训练,提取出重要的模型参数信息,然后在此基础上,利用此模型参数在少量的齿轮箱轴承保持架振动加速度数据上进行迁移学习,实现对齿轮箱轴承保持架的故障识别,实验表明该迁移学习方法在识别滚动轴承保持架上是有效的。