基于GADF及迁移学习的t34变速轴承故障诊断方法

简介：
本研究提出了一种结合GADF特征提取与迁移学习技术的T34变速轴承故障诊断方法，有效提升了复杂工况下的故障检测精度。 针对传统分析方法在变速条件下对轴承故障诊断存在的难题，本段落提出了一种基于格拉姆角差场（Ｇｒａｍｉａｎ ａｎｇｕｌａｒ ｄｉｆｆｅｒｅｎｃｅ ｆｉｅｌｄ，ＧＡＤＦ）和迁移学习的ＲｅｓＮｅｔ３４模型来诊断变速轴承故障的方法。首先通过ＧＡＤＦ将一维时序振动信号转换为二维图像，并生成相应的故障图；然后利用引入了迁移学习技术的残差网络（ＲｅｓＮｅｔ）自动提取并分类这些故障特征。 为了验证该方法的有效性，本段落将其与其他方法进行了综合对比，在西储大学提供的轴承数据集上取得了更好的表现。此外，还使用加拿大渥太华大学的数据集对变速条件下的诊断性能进行了检验。实验结果表明，所提出的方法在变速情况下具有较高的诊断精度。