粗粒格子特徴に基づく軸受故障特徴の強化と診断

転がり軸受における頻繁な故障、信号に存在する強い背景雑音、弱い特徴、および故障特性の抽出に関連する困難を鑑みて、粗粒格子特徴（CGLF）に基づく転がり軸受故障の強化と診断の方法を提案します。まず、軸受の振動信号に適応フィルタリングを行い、背景雑音を除去します。次に、周波数領域変換を行い、粗粒化アプローチを使用してスペクトルを連続的にセグメント化します。各セグメント内で、振幅強化操作を実行し、データを故障特性を強化するCGLFグラフに変換します。このグラフはSwin Transformerベースのパターン認識ネットワークに投入されます。最後に、全結合層とSoftmaxを使用して高精度の故障診断モデルを構築し、軸受故障の診断を可能にします。故障認識精度は、公開データセットおよび実験室データでそれぞれ98.30％と98.50％に達し、提案された方法の実現可能性と効果を検証します。この研究は転がり軸受のための効率的で実行可能な故障診断アプローチを提供します。