基于Triple GAN的滚动轴承故障诊断方法研究

胡兵兵，唐嘉辉，武吉梅，刘 杰

（1.西安理工大学印刷包装与数字媒体学院，西安710054；2.西安理工大学机械与精密仪器工程学院，西安710048）

滚动轴承是旋转设备中的重要部件之一，其运行状况好坏会影响整个设备的稳定性[1]。因此，滚动轴承的状态监测与故障诊断对于保证机械设备平稳运行有着十分重要的意义[2]。传统滚动轴承故障诊断方法主要包括两个步骤，首先使用传感器等采集设备收集轴承振动信号，然后通过一系列以信号处理为基础的方法提取故障特征，从而达到故障诊断的目的。但此类分析方法对于信号处理算法以及专业知识有较高的要求，同时故障程度不同或现场工况复杂等情况会导致所采集到的振动信号信噪比较低，难以达到高精度故障诊断的目的[3–5]。

随着人工智能算法的逐步发展，其在故障诊断领域的应用也受到了学者们广泛的关注。目前基于机器学习或深度学习算法的故障诊断方法主要分为以下两步：首先通过算法模型从原始数据中提取故障特征，之后将特征输入至指定分类器进行分类，从而达到判定故障类型的目的[6–8]。

Tamilselvan等[9]结合多传感器信息，将深度置信网络应用在航空发动机故障诊断中，并取得了较高的准确率。Wen等[10]提出了一种基于卷积神经网络的机械故障诊断方法，该方法将振动信号转换为二维图像后，再经过卷积神经网络自动提取特征，消除了人为提取特征对结果的影响，相比于传统故障诊断方法在诊断精度方面有了显著的提升。……