-
题名基于度量学习的收割机滚动轴承故障诊断
- 1
-
-
作者
王子
段争光
王兵
胡徐胜
周阳
章涛
-
机构
皖江工学院计算机与人工智能学院
南京大学立体成像实验室
安徽工业大学电气与信息工程学院
中国电子科技集团公司第三十八研究所
南京师范大学计算机与电子信息学院
-
出处
《中国农机化学报》
北大核心
2025年第10期112-119,共8页
-
基金
国家自然科学基金面上项目(62172004)
安徽省重点科学研究项目(2023AH052489)
安徽省优秀人才支持计划项目(gxyqZD2021151)。
-
文摘
为实现农业生产中收割机滚动轴承故障的诊断、节约维修成本及保障生产效率,基于度量学习思想设计匹配网络,用于实际样本较少场景下的轴承故障诊断。匹配网络具有2个结构相同的子网络,子网络提取并融合轴承振动信号的时频特征,通过计算2个子网络输出特征向量之间的相似度来判断样本的故障类型。结果表明,所提出的模型能够准确提取轴承故障的时域和频域特征,明显区分不同类型的故障样本在特征空间的分布,其性能在可学习样本数相同的情况下最优,诊断精度最高达到99.33%。在样本数较少时,度量学习方法的准确率相比于常规训练方式更高。相比于提取单一领域特征的方法,融合时频特征的方法效果更好。
-
关键词
收割机
滚动轴承
故障诊断
度量学习
匹配网络
时频特征
-
Keywords
harvester
rolling bearing
fault diagnosis
metric learning
matching network
time-frequency features
-
分类号
S23
[农业科学—农业机械化工程]
TP23
[自动化与计算机技术—检测技术与自动化装置]
-
