低转速航空发动机滚动轴承故障深度异常检测方法

针对航空发动机滚动轴承在低转速状态下故障难检测的问题，提出了一种基于Transformer框架的深度支持向量描述方法用于检测低转速滚动轴承的故障。首先，构建了基于Transformer模型的振动特征提取主干网络。然后，将所提取的特征输入一个三层自编码器结构，用于计算网络模型的损失函数。为减少网络计算量，提高训练速度，在预处理中将滚动轴承的振动加速度时域信号通过快速傅里叶变换(FFT)得到的频谱结果作为网络的输入，且仅依靠正常数据完成模型的训练。最后，在带机匣的航空发动机转子试验器和某型真实的航空发动机上分别进行了试验验证。结果表明，所提方法能够准确的实现对低转速滚动轴承故障的检测，且检测精度分别为93%和100%,充分表明该方法具有很好的异常检测能力及应用价值。