典型文献
变工况滚动轴承故障诊断方法综述
文献摘要：
智能制造背景下,旋转机械工况更加复杂,运行条件更加严峻,设备的运行状态监测与故障诊断更加重要.变工况条件下,轴承振动信号存在幅值变、脉动冲击间隔、采样相位不恒定和信号噪声污染等特点,传统滚动轴承故障诊断方法的应用受到了限制.针对变工况条件下的轴承故障诊断技术,发展了以阶次跟踪、时频分析、随机振动以及混沌理论等人工提取特征的信号解调与分析方法、以卷积神经网络、自编码器与深度置信网络为代表的深度学习方法以及迁移学习方法.回顾近五年变工况轴承故障诊断领域的进展,从算法原理、算法优化以及算法实际应用等角度,详细介绍几种当前主流的变工况故障诊断方法,讨论各类算法的优势不足及适用场景,为后续的研究指明方向.
文献关键词：
变工况;故障诊断;深度学习;迁移学习;时频分析;阶次跟踪
中图分类号：
作者姓名：
胡春生;李国利;赵勇;成芳娟
作者机构：
宁夏大学 机械工程学院,银川 750021
文献出处：
引用格式：
[1]胡春生;李国利;赵勇;成芳娟-.变工况滚动轴承故障诊断方法综述)[J].计算机工程与应用,2022(18):26-42
A类：
B类：
滚动轴承故障诊断,故障诊断方法,方法综述,旋转机械,运行条件,运行状态监测,工况条件,轴承振动,振动信号,脉动,不恒定,信号噪声,噪声污染,故障诊断技术,阶次跟踪,时频分析,随机振动,混沌理论,提取特征,信号解调,自编码器,深度置信网络,深度学习方法,迁移学习方法,变工况轴承故障诊断,算法原理,算法优化,变工况故障诊断,适用场景,指明方向
AB值：
0.314221
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
