基于增量学习的转台故障诊断研究.pdfVIP

测控技术

装备无损检测与健康监测技术专刊（三）2025年第44卷第7期·11·

基于增量学习的转台故障诊断研究

成喆敏，马雅琼”，闫斌斌1*，高峰²，刘梦2

（1.西北工业大学航天学院，陕西西安710072；2.北京长城航空测控技术研究所有限公司，北京101111）

摘要：针对转台运行过程中常见的飞车、异响、谐振和急停等故障类型，现有诊断方法存在依赖工程经

验、易受控制信号干扰和准确性不足等问题。针对以上缺点,提出了一种基于增量学习的转台故障诊断

方法。首先，分析了三轴立式转台的运行数据，研究了其电流信号的时域和幅频特性，并选取电机电流

信号作为检测对象。随后，采用一维卷积神经网络(ConvolutionalNeuralNetwork,CNN)提取转台运行数

据中的关键特征,结合增量学习策略,利用牧群算法构建代表样本，并在原有损失函数中加入蒸馏损失，

重新训练模型，以实现对新增故障类型的辨别。最终，基于不同工作模式下的转台运行数据进行了故障

模型检测试验，并将检测试验结果与其他方法的结果进行了对比。实验结果表明，所提方法在保持对历

史故障类型高准确率诊断的同时，对新增故障类型的识别率达到98%以上，训练时间减少了73.68%，

有效克服了灾难性遗忘问题,并且模型展现出较高的准确性和鲁棒性。

关键词：电机电流；增量学习；故障诊断；卷积神经网络

中图分类号：TH113.1;V216.8文献标志码：A文章编号：1000-8829(2025)07-0011-08

doi:10.19708/j.ckjs.2025.07.301

ResearchonTurntableFaultDiagnosisBasedonIncrementalLearning

CHENGZhemin,MAYaqiong,YANBinbin,GAOFeng,LIUMeng

(1.SchoolofAstronautics,NorthwesternPolytechnicalUniversity,Xian710072,China;2.BeijingChangchengAeronautical

MeasurementandControlTechnologyResearchInstituteCo.,Ltd.,Beijing101111,China)

Abstract:Theexistingdiagnosticmethodsforcommontypesoffaultssuchasoverspeed,abnormalnoises,reso-

nance,andemergencystopsduringtheoperationoftheturntablerelyonengineeringexperience,aresuscepti-

bletocontrolsignalinterference,andhaveinsufficientaccuracy.Toovercometheseissues,atumtablefaultdi-

agnosismethodbasedonincrementallearningisproposed.Operationaldatafromathree-axisverticalturntable

areanalyzed,focusingonthetimeandfrequencycharacteristicsofmotorcurrentsignalsselectedfordetection.

Aone-dimensionalconvolutionalneuralnetwork(CNN)isusedtoextractkeyfeaturesfromthe