数据驱动的轴承早期故障诊断技术综述

李兆飞

doi:10.16578/j.issn.1004.2539.2023.03.022

您当前的位置：

首页 >

文章列表页 >

数据驱动的轴承早期故障诊断技术综述

综述 | 更新时间：2023-03-29

- 数据驱动的轴承早期故障诊断技术综述
- A Survey of Incipient Fault Diagnosis of Bearings Based on Data-drive
- 机械传动 2023年47卷第3期页码：165-176
- 作者机构：
  
  1.四川轻化工大学自动化与信息工程学院，四川宜宾 643002
  2.人工智能四川省重点实验室，四川宜宾 643002
- 作者简介：
  
  李兆飞（1982— ），男，四川雅安人，博士，副教授，硕士生导师；研究方向为设备状态监测及故障诊断，人机交互及智能信息处理；lizhaofei825@163.com。
- 基金信息：
  
  企业信息化与物联网测控技术四川省高校重点实验室(2022WZJ01)
- DOI：10.16578/j.issn.1004.2539.2023.03.022
  中图分类号：
- 纸质出版日期：2023-03-15，
  
  收稿日期：2022-03-04，
  
  修回日期：2022-05-06，
扫描看全文
李兆飞.数据驱动的轴承早期故障诊断技术综述[J].机械传动,2023,47(03):165-176.

Li Zhaofei.A Survey of Incipient Fault Diagnosis of Bearings Based on Data-drive[J].Journal of Mechanical Transmission,2023,47(03):165-176.
李兆飞.数据驱动的轴承早期故障诊断技术综述[J].机械传动,2023,47(03):165-176. DOI： 10.16578/j.issn.1004.2539.2023.03.022.

Li Zhaofei.A Survey of Incipient Fault Diagnosis of Bearings Based on Data-drive[J].Journal of Mechanical Transmission,2023,47(03):165-176. DOI： 10.16578/j.issn.1004.2539.2023.03.022.

摘要

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。

Abstract

On-line real time diagnosis of bearing incipient faults is the intersection of practical engineering application requirements and basic scientific research. It is one of the development directions of bearing fault diagnosis at home and abroad. Firstly

this study analyzes the bearing fault and its evolution process; secondly

according to the needs of bearing incipient fault diagnosis in time

the difficult problems of bearing incipient fault diagnosis are summarized; then

it focuses on the various technologies used in the three crucial links of bearing early fault diagnosis: the weak monitoring signal enhancement technology

the fusion representation technology of monitoring parameters and the early fault intelligent diagnosis technology; finally

the development trend of bearing incipient fault diagnosis technology is summarized and prospected.

关键词

轴承微小故障早期故障诊断盲源分离深度迁移学习

Keywords

BearingMinor faultIncipient fault diagnosisBlind source separationDeep transfer learning

references

张俊鹏，杨志勃，陈雪峰，等.卷积神经网络在轴承故障诊断中的可解释性探讨［J］.轴承，2020（7）：54-60.

ZHANG Junpeng，YANG Zhibo，CHEN Xuefeng，et al.Interpretability discussion on convolutional neural network in bearing fault diagnosis［J］.Bearing，2020（7）：54-60.

王江萍.机械设备故障诊断技术及应用［M］.西安：西北工业大学出版社，2000：1-21.

WANG Jiangping.Fault diagnosis technology and application of mechanical equipment［M］.Xi´an：Northwest University of Technology Press，2000：1-21.

尉询楷，冯悦，杨立，等.航空发动机中介主轴承故障预测研究［C］//航空安全与装备维修技术学术研讨会论文集.北京：国防工业出版社，2014：10.

WEI Xunkai，FENG Yue，YANG Li，et al.Research on fault prediction of aeroengine intermediate main bearing［C］//Proceedings of the Symposium on Aviation Safety and Equipment Maintenance Technology.Beijing：National Defense Industry Press，2014：10.

王浩，郭兰中，林化清，等.常幅载荷下滑轨与滚轮寿命及可靠性研究［J］.轴承，2016（10）：36-39.

WANG Hao，GUO Lanzhong，LIN Huaqing，et al.Research on life of sliding rail and idler wheel and reliability under constant amplitude load［J］.Bearing，2016（10）：36-39.

LIU Z P，ZHANG L.A review of failure modes，condition monitoring and fault diagnosis methods for large-scale wind turbine bearings［J］.Measurement，2020，149（C）：107002.

孟晨，杨华晖，王成，等.数据驱动的武器系统电子元部件级故障诊断研究综述［J］.系统工程与电子技术，2021，43（2）：574-583.

MENG Chen，YANG Huahui，WANG Cheng，et al.Review on data-driven fault diagnosis for electronic components and units level of weapon system［J］.Systems Engineering and Electronics，2021，43（2）：574-583.

HU Y X，LIN J H，TAN A C.Failure analysis of gearbox in CRH high-speed train［J］.Engineering Failure Analysis，2019，105：110-126．

SOUALHI M，KHANH N，SOUALHI A，et al.Health monitoring of bearing and gear faults by using a new health indicator extracted from current signals［J］.Measurement，2019，141：37-51．

陈金海，李伟，张文远，等.智能滚动轴承监测方法与技术研究现状综述［J］.机械强度，2021，43（3）：509-516.

CHEN Jinhai，LI Wei，ZHANG Wenyuan，et al.Research status of smart rolling bearing monitoring methods［J］.Journal of Mechanical Strength，2021，43（3）：509-516.

李娟，周东华，司小胜，等.微小故障诊断方法综述［J］.控制理论与应用，2012，29（12）：1517-1529.

LI Juan，ZHOU Donghua，SI Xiaosheng，et al.Review of incipient fault diagnosis methods［J］.Control Theory & Applications，2012，29（12）：1517-1529.

文成林，吕菲亚，包哲静，等.基于数据驱动的微小故障诊断方法综述［J］.自动化学报，2016，42（9）：1285-1299.

WEN Chenglin，LÜ Feiya，BAO Zhejing，et al.A review of data driven-based incipient fault diagnosis［J］.Acta Automatica Sinica，2016，42（9）：1285-1299.

雷亚国，贾峰，孔德同，等.大数据下机械智能故障诊断的机遇与挑战［J］.机械工程学报，2018，54（5）：94-104.

LEI Yaguo，JIA Feng，KONG Detong，et al.Opportunities and challenges of machinery intelligent fault diagnosis in big data era［J］.Journal of Mechanical Engineering，2018，54（5）：94-104.

张可，周东华，柴毅.复合故障诊断技术综述［J］.控制理论与应用，2015，32（9）：1143-1157.

ZHANG Ke，ZHOU Donghua，CHAI Yi.Review of multiple fault diagnosis methods［J］.Control Theory & Applications，2015，32（9）：1143-1157.

陈是扦，彭志科，周鹏.信号分解及其在机械故障诊断中的应用研究综述［J］.机械工程学报，2020，56（17）：91-107.

CHEN Shiqian，PENG Zhike，ZHOU Peng.Review of signal decomposition theory and its applications in machine fault diagnosis［J］.Journal of Mechanical Engineering，2020，56（17）：91-107.

FACKRELL J W A，WHITE P R，HAMMOND J K，et al.The interpretation of the bispectra of vibration signals-I［J］.Theory.Mechanical System and Signal Processing，1995：257-266.

FACKRELL J W A，WHITE P R，HAMMOND J K，et al.The interpretation of the bispectra of vibration signals-II［J］.Theory.Mechanical System and Signal Processing，1995：257-266.

DONG G，CHEN J，ZHAO F G.A frequency-shifted bispectrum for rolling element bearing diagnosis［J］.Journal of Sound and Vibration，2015，339（17）：396-418.

程静，王维庆，樊小朝，等.基于二值双谱和模糊聚类的风电轴承故障诊断［J］.振动、测试与诊断，2018，38（4）：765-771.

CHENG Jing，WANG Weiqing，FAN Xiaochao，et al.Bearing fault pattern recognition of wind turbine based on two-value bispectrum feature-fuzzy clustering method［J］.Journal of Vibration，Measurement & Diagnosis，2018，38（4）：765-771.

WANG G B，GU F S，IBRAHAM R，et al.A sparse modulation signal bispectrum analysis method for rolling element bearing diagnosis［J］.Mathematical Problems in Engineering，2018，2018：1-12.

张锐戈，肖荣辉，高忠坚.变工况下滚动轴承双谱分析及智能故障诊断［J］.噪声与振动控制，2021，41（6）：97-104.

ZHANG Ruige，XIAO Ronghui，GAO Zhongjian.Bispectrum analysis and intelligent fault diagnosis for rolling element bearings under variable operation conditions［J］.Noise and Vibration Control，2021，41（6）：97-104.

BENZI R，SUTERA A，VULPIANI A.The mechanism of stochastic resonance［J］.Journal of Physics a General Physics，1981，14（11）：L453-L457.

LIU Z W， XIAO L， BAO J S，et al.Bearing incipient fault detection method based on stochastic resonance with triple-well potential system［J］.Journal of Shanghai Jiaotong University （Science），2020，2：1-6.

ZHANG G，WANG H，ZHANG T Q.Stochastic resonance of coupled time-delayed system with fluctuation of mass and frequency and its application in bearing fault diagnosis［J］.Journal of Central South University，2021，28（9）：2931-2946.

ZHANG C，DUAN H，XUE Y，et al.The enhancement of weak bearing fault signatures by stochastic resonance with a novel potential function［J］.Energies，2020，13（23）：1-15.

乔志城，刘永强，廖英英.改进经验小波变换与最小熵解卷积在铁路轴承故障诊断中的应用［J］.振动与冲击，2021，40（2）：81-90.

QIAO Zhicheng，LIU Yongqiang，LIAO Yingying.Application of improved wavelet transform and minimum entropy deconvolution in railway bearing fault diagnosis［J］.Journal of Vibration and Shock，2021，40（2）：81-90.

郑近德，潘海洋，戚晓利，等.基于改进经验小波变换的时频分析方法及其在滚动轴承故障诊断中的应用［J］.电子学报，2018，46（2）：358-364.

ZHENG Jinde，PAN Haiyang，QI Xiaoli，et al.Enhanced empirical wavelet transform based time-frequency analysis and its application to rolling bearing fault diagnosis［J］.Acta Electronica Sinica，2018，46（2）：358-364.

WAN S T，PENG B.Adaptive asymmetric real Laplace wavelet filtering and its application on rolling bearing early fault diagnosis［J］.Shock and Vibration，2019（20）：1-20.

代士超，郭瑜，伍星.基于同步平均与倒频谱编辑的齿轮箱滚动轴承故障特征量提取［J］.振动与冲击，2015，34（21）：205-209.

DAI Shichao，GUO Yu，WU Xing.Gearbox rolling bearings' fault features extraction based on cepstrum editing and time domain synchronous average［J］.Journal of Vibration and Shock，2015，34（21）：205-209.

MISHRA C，SAMANTARAY A K，CHAKRABORTY G.Rolling element bearing fault diagnosis under slow speed operation using wavelet denoising［J］.Measurement，2017，103：77-86.

LI R，RAN C，ZHANG B，et al.Rolling bearings fault diagnosis based on improved complete ensemble empirical mode decomposition with adaptive noise，nonlinear entropy，and ensemble SVM.［J］.Applied Sciences，2020，10（16）：1210-1218.

贾志明，梁伟，俞徐超.基于经验模态分解的滚动轴承早期故障预警研究［J］.设备管理与维修，2016（S2）：31-34.

JIA Zhiming，LIANG Wei，YU Xuchao.Research on early fault early warning of rolling bearing based on empirical mode decomposition［J］.Plant Maintenance Engineering，2016（S2）：31-34.

YUAN R，LÜ Y，SONG G B.Multi-fault diagnosis of rolling bearings via adaptive projection intrinsically transformed multivariate empirical mode decomposition and high order singular value decomposition［J］.Sensors （Basel，Switzerland），2018，18（4）：1210-1218.

吕明珠，刘世勋，苏晓明，等.基于自适应变分模态分解和包络谐噪比的滚动轴承早期退化检测［J］.振动与冲击，2021，40（13）：271-280.

LÜ Mingzhu，LIU Shixun，SU Xiaoming，et al.Early degradation detection of rolling bearing based on adaptive variational mode decomposition and envelope harmonic to noise ratio［J］.Journal of Vibration and Shock，2021，40（13）：271-280.

王恒迪，邓四二，杨建玺，等.基于参数优化变分模态分解的滚动轴承早期故障诊断［J］.振动与冲击，2020，39（23）：38-46.

WANG Hengdi，DENG Sier，YANG Jianxi，et al.Incipient fault diagnosis of rolling bearing based on VMD with parameters optimized［J］.Journal of Vibration and Shock，2020，39（23）：38-46.

刘尚坤，唐贵基，王晓龙.基于MED和变分模态分解的滚动轴承早期故障诊断方法［J］.机械传动，2017，41（9）：179-182.

LIU Shangkun，TANG Guiji，WANG Xiaolong.Incipient fault diagnosis method for rolling bearing based on MED and variational mode decomposition［J］.Journal of Mechanical Transmission，2017，41（9）：179-182.

王奉涛，薛宇航，王雷，等.基于流形学习的滚动轴承故障盲源分离方法［J］.振动、测试与诊断，2020，40（1）：43-47.

WANG Fengtao，XUE Yuhang，WANG Lei，et al.Blind source separation method for rolling bearing faults based on manifold learning［J］.Journal of Vibration，Measurement & Diagnosis，2020，40（1）：43-47.

刘鲲鹏，夏均忠，白云川，等.EDRS在滚动轴承振动信号盲源分离中的应用［J］.振动与冲击，2019，38（20）：106-111.

LIU Kunpeng，XIA Junzhong，BAI Yunchuan，et al.Application of EDRS in blind source separation of rolling element bearing vibration signal［J］.Journal of Vibration and Shock，2019，38（20）：106-111.

LI G Z，TANG G，WANG H Q，et al.Blind source separation of composite bearing vibration signals with low-rank and sparse decomposition［J］.Measurement，2019，145：323-334.

刘嘉辉，董辛旻，李剑飞.基于全矢谱时间固有尺度分解和独立分量分析盲源分离降噪的滚动轴承故障特征提取［J］.中国机械工程，2018，29（8）：943-948.

LIU Jiahui，DONG Xinmin，LI Jianfei.Fault feature extraction of rolling bearing based on noises reduced by full vector spectrum ITD-ICA blind source separation［J］.China Mechanical Engineering，2018，29（8）：943-948.

OLIVEIRA M V M，FIORAVANTI A，DANIEL G B.Identification of oil starvation in hydrodynamic journal bearing using rotor vibration and extended Kalman filter［J］.Tribology International，2022，169：1-11.

赵靖，廖英英，杨绍普，等.基于无迹卡尔曼滤波的动态贝叶斯小波变换在轴承故障诊断中的应用［J］.振动与冲击，2020，39（11）：53-62.

ZHAO Jing，LIAO Yingying，YANG Shaopu，et al.An extension of unscented Kalman filter to dynamic Bayesian wavelet transform in fault diagnosis of rolling element bearings［J］.Journal of Vibration and Shock，2020，39（11）：53-62.

CUI L，WANG X，XU Y G，et al.A novel switching unscented Kalman filter method for remaining useful life prediction of rolling bearing［J］.Measurement，2018，135：678-684.

ZOU D L，ZHAO H，LIU G Y，et al.Application of augmented Kalman filter to identify unbalance load of rotor-bearing system：theory and experiment［J］.Journal of Sound and Vibration，2019，463（C）：114972.

SHRIVASTAVA A，MOHANTY A R.Estimation of single plane unbalance parameters of a rotor-bearing system using Kalman filtering based force estimation technique［J］.Journal of Sound Vibration，2018，418：184-199.

朱光耀，李月洁.基于卡尔曼滤波器的三极磁轴承位置自检测［J］.控制工程，2016，23（7）：1034-1038.

ZHU Guangyao，LI Yuejie.Self-sensing three-pole magnetic bearing using a Kalman filter［J］.Control Engineering of China，2016，23（7）：1034-1038.

王进花，岳亮辉，曹洁，等.基于随机变分推理贝叶斯神经网络的发电机轴承故障诊断［J/OL］.控制与决策，2022-02-07［2022-03-03］.https：//kns.cnki.net/kcms/detail/21.1124.tp.20220207.0909.017.htmlhttps://kns.cnki.net/kcms/detail/21.1124.tp.20220207.0909.017.html.

WANG Jinhua，YUE Lianghui，CAO Jie，et al.Fault diagnosis of generator bearing based on stochastic variational inference Bayesian neural network［J/OL］.Control and Decision，2022-02-07［2022-03-03］.https：//kns.cnki.net/kcms/detail/21.1124.tp.20220207.0909.017.htmlhttps://kns.cnki.net/kcms/detail/21.1124.tp.20220207.0909.017.html.

张烁，刘治汶.航空发动机轴承故障结构化贝叶斯稀疏表示［J］.航空学报，2022，43（9）：172-183.

ZHANG Shuo，LIU Zhiwen.Structural Bayesian sparse representation of aero-engine bearing failures［J］.Acta Aeronautica et Astronautica Sinica，2022，43（9）：172-183.

CHEN G，LIU M，CHEN J.Frequency-temporal-logic-based bearing fault diagnosis and fault interpretation using Bayesian optimization with Bayesian neural networks［J］.Mechanical Systems and Signal Processing，2020，145（C）：106951.

于军，刘立飞，邓立为，等.基于流向图和非朴素贝叶斯推理的滚柱轴承故障程度识别［J］.计算机集成制造系统，2020，26（5）：1202-1210.

YU Jun，LIU Lifei，DENG Liwei，et al.Fault severity identification of roller bearing based on flow graph and NNBI［J］.Computer Integrated Manufacturing Systems，2020，26（5）：1202-1210.

毛文贵，李建华，刘桂萍.遗传智能采样技术的贝叶斯理论识别滑动轴承-转子系统不平衡量［J］.振动工程学报，2019，32（4）：660-667.

MAO Wengui，LI Jianhua，LIU Guiping.Bayesian theory using genetic intelligent sampling technique to identify the unbalance parameters of a sliding bearing-rotor system［J］.Journal of Vibration Engineering，2019，32（4）：660-667.

WANG D，TSUI K L，ZHOU Q.Novel Gauss-Hermite integration based Bayesian inference on optimal wavelet parameters for bearing fault diagnosis［J］.Mechanical Systems and Signal Processing，2016，72-73：80-91.

HU J，DENG S E.Rolling bearing fault diagnosis based on wireless sensor network data fusion［J］.Computer Communications，2022，181：404-411.

ZHANG Z，XU X，GONG W，et al.Efficient federated convolutional neural network with information fusion for rolling bearing fault diagnosis［J］.Control Engineering Practice，2021，116：104913.

XUE F，ZHANG W，XUE F，et al.A novel intelligent fault diagnosis method of rolling bearing based on two-stream feature fusion convolutional neural network［J］.Measurement，2021，176：109226.

BAI R X，XU Q S，MENG Z，et al.Rolling bearing fault diagnosis based on multi-channel convolution neural network and multi-scale clipping fusion data augmentation［J］.Measurement，2021，184：109885.

杨洁，万安平，王景霖，等.基于多传感器融合卷积神经网络的航空发动机轴承故障诊断［J］.中国电机工程学报，2022，42（13）：4933-4942.

YANG Jie，WAN Anping，WANG Jinglin，et al.Aeroengine bearing fault diagnosis based on convolutional neural network for multi-sensor information fusion［J］.Proceedings of the CSEE，2022，42（13）：4933-4942.

王廷轩，刘韬，王振亚，等.融合迁移卷积神经网络的跨域滚动轴承故障诊断［J］.电子测量技术，2021，44（10）：167-174.

WANG Tingxuan，LIU Tao，WANG Zhenya，et al.Cross-domain rolling bearing fault diagnosis based on convolutional neural network combined with transfer learning［J］.Electronic Measurement Technology，2021，44（10）：167-174.

王永坚，陈景锋，杨小明.神经网络和证据理论融合的尾轴承磨损故障诊断［J］.中国航海，2014，37（4）：20-24.

WANG Yongjian，CHEN Jingfeng，YANG Xiaoming.Diagnosis of stern bearing wear fault with combination of neural network and evidence theory［J］.Navigation of China，2014，37（4）：20-24.

张钢，田福庆，梁伟阁，等.基于改进D-S证据理论的滚动轴承故障诊断［J］.海军工程大学学报，2019，31（4）：42-47.

ZHANG Gang，TIAN Fuqing，LIANG Weige，et al.Fault diagnosis rolling element bearing based on improved D-S evidence theory［J］.Journal of Naval University of Engineering，2019，31（4）：42-47.

刘建强，孙康茗，赵东明，等.基于证据融合算法的地铁车辆轴承故障检测方法研究［J］.铁道学报，2019，41（4）：55-63.

LIU Jianqiang，SUN Kangming，ZHAO Dongming，et al.Research on fault diagnosis method for bogie bearings of metro vehicle based on evidence fusion algorithm［J］.Journal of the China Railway Society，2019，41（4）：55-63.

HUI K H，LIM M H，LEONG M S，et al.Dempster-Shafer evidence theory for multi-bearing faults diagnosis［J］.Engineering Applications of Artificial Intelligence，2017，57：160-170.

LU C，XU P，CONG L H.Fault diagnosis model based on granular computing and echo state network［J］.Engineering Applications of Artificial Intelligence，2020，94（1）：103694.

胡小曼，王艳，纪志成.模糊信息粒化与改进RVM的滚动轴承寿命预测［J］.系统仿真学报，2021，33（11）：2561-2571.

HU Xiaoman，WANG Yan，JI Zhicheng.Fuzzy information granulation and improved RVM for rolling bearing life prediction［J］.Journal of System Simulation，2021，33（11）：2561-2571.

葛红平，刘晓波，黄朝晖，等.粒化幅值感知排列熵和WOA-SVM的滚动轴承故障诊断［J］.噪声与振动控制，2021，41（4）：101-108.

GE Hongping，LIU Xiaobo，HUANG Chaohui，et al.Fault diagnosis method of rolling bearings based on granulation amplitude aware permutation entropy and WOA-SVM［J］.Noise and Vibration Control，2021，41（4）：101-108.

陈法法，杨勇，陈保家，等.基于模糊信息粒化与小波支持向量机的滚动轴承性能退化趋势预测［J］.中国机械工程，2016，27（12）：1655-1661.

CHEN Fafa，YANG Yong，CHEN Baojia，et al.Degradation trend prediction of rolling bearings based on fuzzy information granulation and wavelet support vector machine［J］.China Mechanical Engineering，2016，27（12）：1655-1661.

EWERT P，ORLOWSKA-KOWALSKA T，JANKOWSKA K.Effectiveness analysis of PMSM motor rolling bearing fault detectors based on vibration analysis and shallow neural networks［J］.Energies，2021，14（3）：712-714.

ABHILASH S，PRADEEP R，REJITH R，et al.Health monitoring of rolling element bearings using improved wavelet cross spectrum technique and support vector machines［J］.Tribology International，2016，154：106650-106661.

WANG Z，YAO L G，CHEN G，et al.Modified multiscale weighted permutation entropy and optimized support vector machine method for rolling bearing fault diagnosis with complex signals［J］.ISA Transactions，2021，85：746-759.

李兆飞，柴毅，任小洪.混沌分形特征与支持向量数据域描述辨识机械动态系统异常［J］.农业工程学报，2015，31（10）：211-218.

LI Zhaofei，CHAI Yi，REN Xiaohong.Abnormal identification method of dynamic systems based on support vector data description feature extraction for chaos fractal［J］.Transactions of the Chinese Society of Agricultural Engineering，2015，31（10）：211-218.

陈洪转，赵爱佳，李腾蛟，等.基于故障树的复杂装备模糊贝叶斯网络推理故障诊断［J］.系统工程与电子技术，2021，43（5）：1248-1261.

CHEN Hongzhuan，ZHAO Aijia，LI Tengjiao，et al.Fuzzy Bayesian network inference fault diagnosis of complex equipment based on fault tree［J］.Systems Engineering and Electronics，2021，43（5）：1248-1261.

ZHUO L，ZHANG X F，ZHANG L，et al.Motor fault diagnosis using attention mechanism and improved adaboost driven by multi-sensor information［J］.Measurement，2021，170：108718.

CHEN F F，CHENG M T，TANG B P.Pattern recognition of a sensitive feature set based on the orthogonal neighborhood preserving embedding and adaboost_SVM algorithm for rolling bearing early fault diagnosis［J］.Measurement Science and Technology，2020，31（10）：105007-105015.

任浩，屈剑锋，柴毅，等.深度学习在故障诊断领域中的研究现状与挑战［J］.控制与决策，2017，32（8）：1345-1358.

REN Hao，QU Jianfeng，CHAI Yi，et al.Deep learning for fault diagnosis：the state of the art and challenge［J］.Control and Decision，2017，32（8）：1345-1358.

张西宁，郭清林，刘书语.深度学习技术及其故障诊断应用分析与展望［J］.西安交通大学学报，2020，54（12）：1-13.

ZHANG Xining，GUO Qinglin，LIU Shuyu.Analysis and prospect of deep learning technology and its fault diagnosis application［J］.Journal of Xi'an Jiaotong University，2020，54（12）：1-13.

向宙，张西宁，张雯雯，等.区分自编码网络及其在滚动轴承故障特征提取中的应用［J］.西安交通大学学报，2019，53（8）：47-55.

XIANG Zhou，ZHANG Xining，ZHANG Wenwen，et al.Discriminative auto-encoding network with applications in fault feature extraction of rolling bearing［J］.Journal of Xi'an Jiaotong University，2019，53（8）：47-55.

GU J，HUANG M，GJORGJEVIKJ D.Fault diagnosis method for bearing of high-speed train based on multitask deep learning［J］.Shock and Vibration，2020（11）：1-8.

王奉涛，刘晓飞，敦泊森，等.基于萤火虫优化的核自动编码器在中介轴承故障诊断中的应用［J］.机械工程学报，2019，55（7）：58-64.

WANG Fengtao，LIU Xiaofei，DUN Bosen，et al.Application of kernel auto-encoder based on firefly optimization in intershaft bearing fault diagnosis［J］.Journal of Mechanical Engineering，2019，55（7）：58-64.

文成林，吕菲亚.基于深度学习的故障诊断方法综述［J］.电子与信息学报，2020，42（1）：234-248.

WEN Chenglin，LÜ Feiya.Review on deep learning based fault diagnosis［J］.Journal of Electronics & Information Technology，2020，42（1）：234-248.

CHE C C，WANG H W， NI X M，et al.Hybrid multimodal fusion with deep learning for rolling bearing fault diagnosis［J］.Measurement，2020，173：1-10.

石怀涛，尚亚俊，白晓天，等.基于贝叶斯优化的SWDAE-LSTM滚动轴承早期故障预测方法研究［J］.振动与冲击，2021，40（18）：286-297.

SHI Huaitao，SHANG Yajun，BAI Xiaotian，et al.Early fault prediction method combining SWDAE-LSTM for rolling bearings based on Bayesian optimization［J］.Journal of Vibration and Shock，2021，40（18）：286-297.

施文锐.基于深度学习的滚动轴承早期故障诊断研究［D］.石家庄：石家庄铁道大学，2021：50-63.

SHI Wenrui.Research on early fault diagnosis of rolling bearings based on deep learning［D］.Shijiazhuang：Shijiazhuang Tiedao University，2021：50-63.

张继旺，丁克勤，王洪柱.基于VMD-CNN的滚动轴承早期微弱故障智能诊断方法［J］.组合机床与自动化加工技术，2020，（11）：15-19.

ZHANG Jiwang，DING Keqin，WANG Hongzhu.Rolling bearing early weak fault intelligent diagnosis based on VMD-CNN［J］.Modular Machine Tool & Automatic，2020（11）：15-19.

SHAO S，MCALEER S，YAN R，et al.Highly accurate machine fault diagnosis using deep transfer learning［J］.IEEE Transactions on Industrial Informatics，2019，15（4）：2446-2455.

刘飞，陈仁文，邢凯玲，等.基于迁移学习与深度残差网络的滚动轴承快速故障诊断算法［J］.振动与冲击，2022，41（3）：154-164.

LIU Fei，CHEN Renwen，XING Kailing，et al.Fast fault diagnosis algorithm for rolling based on transfer learning and deep residual network［J］.Journal of Vibration and Shock，2022，41（3）：154-164.

陈仁祥，朱玉清，胡小林，等.自适应正则化迁移学习的不同工况下滚动轴承故障诊断［J］.仪器仪表学报，2021，41（8）：95-103.

CHEN Renxiang，ZHU Yuqing，HU Xiaolin，et al.Fault diagnosis of rolling bearing under different working conditions using adaptation regularization based transfer learning［J］.Chinese Journal of Scientific Instrument，2021，41（8）：95-103.

张西宁，余迪，刘书语.基于迁移学习的小样本轴承故障诊断方法研究［J］.西安交通大学学报，2021，55（10）：30-37.

ZHANG Xining，YU Di，LIU Shuyu.Fault diagnosis method for small sample bearing based on transfer learning［J］.Journal of Xi'an Jiaotong University，2021，55（10）：30-37.

沈长青，王旭，王冬，等.基于多尺度卷积类内迁移学习的列车轴承故障诊断［J］.交通运输工程学报，2020，20（5）：151-164.

SHEN Changqing，WANG Xu，WANG Dong，et al.Multi-scale convolution intra-class transfer learning for train bearing fault diagnosis［J］.Journal of Traffic and Transportation Engineering，2020，20（5）：151-164.

康守强，胡明武，王玉静，等.基于特征迁移学习的变工况下滚动轴承故障诊断方法［J］.中国电机工程学报，2019，39（3）：764-772.

KANG Shouqiang，HU Mingwu，WANG Yujing，et al.Fault diagnosis method of a rolling bearing under variable working conditions based on feature transfer learning［J］.Proceedings of the CSEE，2019，39（3）：764-772.

陈超，沈飞，严如强.改进LSSVM迁移学习方法的轴承故障诊断［J］.仪器仪表学报，2017，38（1）：33-40.

CHEN Chao，SHEN Fei，YAN Ruqiang.Enhanced least squares support vector machine-based transfer learning strategy for bearing fault diagnosis［J］.Chinese Journal of Scientific Instrument，2017，38（1）：33-40.

SHEN F，CHEN C，YAN R，et al.Bearing fault diagnosis based on SVD feature extraction and transfer learning classification［C］//2015 Prognostics & System Health Management Conference.Beijing：IEEE，2016：1-6.

毛文涛，田思雨，窦智，等.一种基于深度迁移学习的滚动轴承早期故障在线检测方法［J］.自动化学报，2022，48（1）：302-314.

MAO Wentao，TIAN Siyu，DOU Zhi，et al.A new deep transfer learning-based online detection method of rolling bearing early fault［J］.Acta Automatica Sinica，2022，48（1）：302-314.

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

基于应变测试的风电齿轮箱行星轮轴承载荷作用中心的确定

基于全模型谐波减速器轴承受力状态分析

基于分布适配层和软标签学习的齿轮故障诊断

基于RLMD和Kmeans++的轴承故障诊断方法

基于长大坡道的城市轨道交通车辆走行部轴承故障诊断研究