基于低秩模态融合与对抗度量的矿用滚动轴承故障诊断
张华恺1
菅明健2
徐怡然3
丁北斗3
王奇奇3
宋杰2
1.国网山东省电力公司电力科学研究院,山东济南 250003;山东电力工业锅炉压力容器检验中心有限公司,山东济南 2500032.国网山东省电力公司电力科学研究院,山东济南 2500033.中国矿业大学 力学与土木工程学院,江苏徐州 221116
摘要：针对矿用滚动轴承故障特征微弱、高质量样本稀缺及跨工况分布偏移导致传统深度学习模型泛化能力不足的问题,提出了一种基于低秩模态融合与对抗度量的轻量化故障诊断模型(MTSFCL).利用超小波变换构建时序与时频图的双模态输入数据,实现滚动轴承故障表征的多维度增强.设计了轻量化双分支特征提取层,时序分支采用通道注意力机制(ECA)增强的双向门控循环单元(BiGRU),在捕获时序信号中长期依赖关系的同时,有效抑制冗余信息的干扰;空间分支基于改进的StarNet架构,使用多尺度卷积与选择性核融合机制提取时频图中的多尺度故障特征,并利用元素乘法在不增加网络深度的前提下实现高维空间特征的映射.设计了一种低秩多模态融合(LMF)模块,利用低秩因子将时序与空间特征投影至公共子空间,并通过逐元素乘法进行非线性融合,在低计算成本下实现双模态特征的深度交互.为提高模型泛化能力,结合条件域对抗(CDAN)与作为度量约束的局部最大均值差异(LMMD),构建了基于对抗度量的域适应模块,减少了源域与目标域之间的边缘与条件分布差异.实验结果表明:①MTSFCL参数量仅为0.322 1×106个,单样本推理时间为2.76 ms.②单一工况下的平均诊断准确率为99.94％;在每类仅有5个故障样本的小样本工况下,平均诊断准确率为94.12％,显著优于ViT与VGG16等高参数量模型.③跨工况下的平均诊断准确率为99.28％,相较于未引入LMMD度量约束的CDAN域适应方法提升了 4.27％,且在强噪声干扰下同样保持高准确率,具有较高的泛化能力与鲁棒性.
关键词：矿用滚动轴承故障诊断超小波变换低秩模态融合对抗度量条件域对抗域适应
分类号：TD67(矿山电工)
资助基金：国家重点研发计划(2023YFC2907301)山东中实易通集团有限公司科技项目(YFGJ2024-02)
论文发表日期：2026-02-28
在线出版日期：2026-04-07（本平台首次上网日期，不代表文献的发表时间）
页数：12( 125-136 )
英文信息