基于领域泛化的滚动轴承故障预测方法研究.pdfVIP

摘要

滚动轴承应用广泛，是旋转机构的重要组成部分，并且是旋转机构中最容

易发生故障的部件。如果滚动轴承发生故障，会严重影响设备的正常运行，甚

至会发生风险事故。对滚动轴承进行故障预测可以发现潜在风险，降低运维成

本，具有重要的实践意义。

滚动轴承故障预测领域存在一些亟待解决的问题，缺少系统完整的故障预

测流程，需要研究合适的滚动轴承健康指引构建、早期故障检测和剩余使用寿

命预测方法。此外，受限于滚动轴承的全生命周期数据获取成本高难度大，数

据稀疏小样本问题下预测模型应对未知的不可见域泛化能力较差。

本文提出了一套系统的故障预测网络框架，经过离线预训练可以实现在线

健康指引构建、早期故障检测和剩余使用寿命预测。设置包络频谱滑动取值窗

口作为初步参考指标，提出基于深度卷积自编码器的轴承健康指引构建方法，

实现端到端的获取轴承健康指引。在开始故障预测之前，早期故障检测是不可

缺少的一步。本文通过改进的对比学习方法对模型训练过程进行调整，与构建

健康指引部分结合，设置了合适的下游任务，利用少量标签实现离线自监督预

训练，使得模型判别能力增强，可同时实现在线构建健康指引和早期故障检测。

本文针对时序数据的特点，构建时空卷积神经网络进行剩余使用寿命预测，结

合编码器特点，设计在线可迭代的预测流程，计算预测健康指引的趋势直到设

定的失效阈值之间的时间从而获得轴承剩余使用寿命。

对于数据稀疏小样本问题导致模型面对未知的不可见任务的泛化能力差的

困境，本文提出了一种基于度量学习的生成对抗式领域泛化方法。构建生成对

抗式网络，利用度量学习方法对生成的伪域进行正则化约束，得到理想的数据

域分布，利用多样性的数据训练预测模型，从而增强预测模型的泛化能力。本

文提出了基于领域泛化的滚动轴承故障预测网络框架，进行了相关实验验证了

方法的有效性。

关键词：滚动轴承；故障预测；健康指引；早期故障检测；剩余使用寿命预测；

领域泛化

Keywords:rollingbearings,faultprognostic,healthindicator,earlyfault

detection,remainingusefullifeprediction,domaingeneralization

目录

摘要I

ABSTRACTII

目录III

第1章绪论1

1.1课题背景及研究的目的和意义1

1.2国内外故障预测研究现状及应用3

1.2.1健康指引构建方法3

1.2.2早期故障检测方法5

1.2.3剩余使用寿命预测方法7

1.2.4解决数据稀疏小样本问题方法8

1.3本文的研究内容10

第2章基于深度卷积自编码器的滚动轴承健康指引构建12

2.1引言12

2.2基于包络频谱的初步健康指引构建12

2.2.1滚动轴承故障机理分析12

2.2.2基于包络频谱取值窗口的初步指标构建13

2.3基于深度卷积自编码的健康指引构建15

2.4健康指引评价指标19

2.5实验验证20

2.5.1实验对比特征选取21

2.5.2实验结果24

2.6本章小节29

第3章基于对比学习框架的滚动轴承早期故障检测30

3.1引言30

3.2基于SIMCLR框架的对比学习思路30

3.3基于改进的对比学习框架早期故障检测网络32

3.3.1时序数据增强方法32

3.3.2自监督离线预训练框架与在线检测网络33

3.3.3健康评估与早期故障检测综合网络35

3.4实验验证37

3.5本章小节41

第4章基于时空卷积神经网络的滚动轴承剩余使用寿命预测42

4.1引言42

4.2基于时空卷积神经网络的预测模型构建42

4.2.1因果卷积模块42

4.2.2膨胀卷积模块43

4.2.3残差模块44