煤矿复杂的生产作业环境使得采煤机轴承故障诊断的微调方法容易丢失数据,基于此,提出一种基于动量对比双调谐策略(MCBiT),以充分挖掘数据标签的判别性知识和目标数据的内在结构。通过格拉曼角差分场将采煤机一维振动信号变换后输入到MCBiT中,在ImageNet预训练的主干上集成2个分支来增强传统的微调,一个具有对比交叉熵损失的分类器,以更好地利用标签知识,另一个具有分类对比学习损失的投影仪,以挖掘数据的内在结构。所提方法在6个公开可用的旋转机械故障诊断数据集中进行了测试并与其他方法进行对比,结果表明所提的动量对比调谐法能够有效构建规模更大且一致的数据样本,为采煤机故障预测精度的提升提供支撑。

轴承早期故障的实时诊断,是实际工程应用需求和基础科学问题研究的交汇点,是轴承故障诊断的发展方向之一。首先,阐述了轴承故障及演变过程;其次,根据轴承早期故障实时诊断的需求,总结了轴承早期故障诊断难点问题;之后,重点论述了轴承早期故障诊断3个关键环节所采用的各种技术微小监测信号增强技术、监测数据的融合表示技术以及早期故障智能诊断技术;最后,总结展望了轴承早期故障诊断技术的发展趋势。

基于卷积神经网络的齿轮智能识别算法能有效地识别齿轮故障,但卷积神经网络需要大量的已标注训练数据,制约了卷积神经网络在齿轮故障诊断上的应用。针对该问题,提出了基于分布适配层和软标签学习的齿轮故障诊断方法。采用卷积神经网络提取特征和软标签;通过分布适配层提取分布差异,软标签学习生成软标签损失;以分布差异、软标签损失与分类损失生成的联合损失为目标函数,训练模型并进行目标域故障诊断。采用齿轮振动信号验证了提出方法,结果表明,提出方法能准确有效地分类齿轮故障数据。