来源：期刊VIP网 时间：
作者：刘建男;车驰东;
单位：上海交通大学船舶海洋与建筑工程学院;
摘要：[目的]针对轴承故障诊断中样本不充分、分布不均衡的问题，提出一种基于向量量化自编码器（VQ-VAE）的轴承故障诊断模型。[方法]利用VQ-VAE将轴承振动时频图压缩得到离散特征空间，并通过像素卷积神经网络（PixelCNN）采样得到全新的故障样本用于扩充、平衡轴承故障数据集。在经典轴承故障数据集进行样本生成试验，并在不同负载的轴承振动数据集上进行跨工况故障诊断迁移学习。[结果]通过生成和诊断结果的对比分析证明，提出的方法能够生成高质量的轴承故障样本对数据集进行扩充，并且能够通过迁移学习在跨工况的故障诊断中取得较高的准确率。[结论]研究结果为船用设备轴承故障诊断方法提供参考。
关键词：故障诊断;;向量量化自编码器;;迁移学习;;跨工况
