样本不均衡条件下滚动轴承故障FCWT-DDIM-SwinT识别方法OA
针对滚动轴承故障识别中因样本不均衡导致准确率低的问题,提出一种去噪扩散隐式模型(DDIM)结合Swin Transformer(SwinT)的故障识别方法。首先,对采集到的滚动轴承原始振动信号进行快速连续小波变换(FCWT),将其重构为二维时频图像。然后,使用DDIM扩充原始不均衡数据集,构建出故障样本类别分布均衡数据集。最后,将均衡数据集应用于SwinT模型的训练过程,从而实现滚动轴承多种故障类型的准确诊断。工程实例表明:利用DDIM能够有效解决故障样本不均衡的问题;同时,与其他识别模型相比,SwinT模型的平均识别准确率提高了5.72%,具有更优越的轴承故障识别能力。
孙祥海;邱明;李军星;张松林;刘志卫;刘静涛;高锐
河南科技大学机电工程学院,河南洛阳471003河南科技大学机电工程学院,河南洛阳471003河南科技大学机电工程学院,河南洛阳471003中国航发贵阳发动机设计研究所,贵州贵阳550081河南科技大学机电工程学院,河南洛阳471003河南科技大学机电工程学院,河南洛阳471003河南科技大学机电工程学院,河南洛阳471003
机械制造
滚动轴承快速连续小波变换去噪扩散隐式模型Swin Transformer故障识别
《河南科技大学学报(自然科学版)》 2026 (1)
P.53-62,M0005,11
国家自然科学基金项目(52275186)中原学者资助项目(244000510001)。
评论