来源：期刊VIP网 时间：
作者：朱悦云;崔建华;
单位：开封大学机械与汽车工程学院;山西昆明烟草有限责任公司;
摘要：故障诊断是轴承障诊断领域的一个热点和难点。针对这一问题，文中以渥太华大学变速齿轮箱故障诊断平台为依托，应用一种图像处理技术和深度学习进行齿轮箱故障诊断的新方法。首先，借助图像识别算法，把原始的振动加速度信号转化为图样本的形式；之后采用了尺度不变特征变换(SIFT)算法，来捕捉图像中的特征点。针对这些特征点，进行向量化描述，构建了词袋模型(BoW),这一处理使得样本的特征得以充分提取和表达；然后，引入了局部最大均值差异，实现同一类别下相关子域概率分布的紧密对齐。最后，在网络训练时与其他方法相比，所构建的残差部分卷积(ResPConv)模型在恒定转速工况下具有较高的准确率，在时变负载工况下的数据下比其他四种方法具有更优的故障诊断识别率和更快的处理速度，具有很好的鲁棒性和更少的参数量。
关键词：度量学习;;迁移学习;;图像处理;;故障诊断;;齿轮箱
基金资助：河南自然科学基金资助项目(162200311107)
