| 基于深度迁移学习的采煤机摇臂部滚动轴承故障诊断方法 |
| |
| 引用本文： | 张旭辉,潘格格,郭欢欢,毛清华,樊红卫,万翔.基于深度迁移学习的采煤机摇臂部滚动轴承故障诊断方法[J].煤炭科学技术,2022,50(4):256-263. |
| |
| 作者姓名： | 张旭辉 潘格格 郭欢欢 毛清华 樊红卫 万翔 |
| |
| 作者单位： | 西安科技大学 机械工程学院,陕西 西安 710054;陕西省矿山机电装备智能监测重点实验室,陕西 西安 710054,西安科技大学 机械工程学院,陕西 西安 710054 |
| |
| 基金项目： | 国家自然科学基金资助项目(51974228,51605380)； |
| |
| 摘 要： | 针对长期正常服役的采掘装备典型故障数据少、有标签数据不足，故障诊断模型训练效果不好等问题，提出一种基于深度迁移学习的采煤机摇臂部传动系统故障智能诊断方法。利用该方法将模拟平台故障数据训练后获取的故障诊断模型参数迁移至采煤机智能故障诊断模型中，从而在不同设备之间进行迁移学习，实现基于小样本数据的采煤机摇臂部智能故障诊断。通过构建预训练的卷积神经网络，将转换为二维时频分布的图像数据集作为预训练模型的输入，并将预训练模型的网络参数迁移至采煤机摇臂传动系统故障诊断模型中，通过保证低层网络不变保留模型的泛化能力，将含有标签的数据集作为采煤机摇臂传动系统智能故障诊断模型的训练数据集对模型进行训练，通过微调高层网络参数进行模型优化和权值更新，得到采煤机摇臂传动系统迁移故障诊断模型，提高了模型的特征提取能力减少了误差。为验证方法有效性，以传动系统滚动轴承为研究对象，采用西储大学轴承数据作为训练集，DDS传动系统平台模拟井下采煤机摇臂部传动系统工况得到滚动轴承监测数据，作为测试集进行试验验证。试验结果表明：滚动轴承平均故障识别精度达到99.59%,与传统的智能故障诊断方法相比，提出的智能故障诊断方法收敛...
|
| 关 键 词： | 采煤机 滚动轴承 深度迁移学习 梯度下降优化(Adam)算法 智能诊断 故障诊断 |
Fault diagnosis method for rolling bearing on shearer arm based on deep transfer learning |
| |
| ZHANG Xuhui,PAN Gege,GUO Huanhuan,MAO Qinghua,FAN Hongwei,WAN Xiang.Fault diagnosis method for rolling bearing on shearer arm based on deep transfer learning[J].Coal Science and Technology,2022,50(4):256-263. |
| |
| Authors: | ZHANG Xuhui PAN Gege GUO Huanhuan MAO Qinghua FAN Hongwei WAN Xiang |
| |
| Abstract: | |
| |
| Keywords: | |
| 本文献已被 万方数据 等数据库收录！ |
|
