来源：期刊VIP网 时间：
作者：邹筱瑜;唐子侯;刘晓;李鑫;
单位：中国矿业大学机电工程学院;智能采矿装备技术全国重点实验室;
摘要：针对矿用钻机复杂井下工况下监测数据噪声多、漂移大且存在大量缺失的问题，提出了一种基于模型迁移的钻机主轴轴承运行数据缺失值插补方法。该方法基于嵌入时空注意力的双向时序卷积联合生成对抗插补网络（BiTCGAIN-STA），通过双向时序卷积网络（BiTCN）捕捉前后时序依赖关系，通过时空注意力（STA）机制自适应分配时间与通道权重，并通过生成对抗训练提升插补样本的分布一致性与多样性，同时在目标域上进行真实数据微调，以增强迁移鲁棒性。提出了一种基于自适应加权融合与Informer网络的轴承故障诊断模型，结合Informer长序列特征提取网络对融合信号进行深度表征，从而提高对微弱故障特征的识别能力。实验结果表明：在不同缺失率下，BiTCGAIN-STA模型的均方根误差（RMSE）均显著高于Mean,MICE,GAIN等主流模型，实现了高质量的数据重建；轴承故障诊断模型对微弱故障的识别准确率达99.87%，显著高于Transformer、图神经网络（GNN）等模型。
关键词：矿用钻机;;主轴轴承;;轴承故障诊断;;缺失数据插补;;生成对抗网络;;迁移学习;;时空注意力
基金资助：国家自然科学基金项目（62273349）
