数字孪生与迁移学习结合的工作台进给系统故障诊断方法

郭伟超, 王景琪, 张松伟, 韩旭阳, 高新勤

哈尔滨理工大学学报 ›› 2025, Vol. 30 ›› Issue (01) : 138-147. DOI: 10.15938/j.jhust.2025.01.014

数字孪生与迁移学习结合的工作台进给系统故障诊断方法

  • 郭伟超, 王景琪, 张松伟, 韩旭阳, 高新勤
作者信息 +
History +

摘要

针对机床设备结构复杂,在实时故障监测中故障样本少,诊断准确率低的问题,提出了一种针对工作台进给系统的数字孪生故障迁移诊断方法。构建了工作台进给系统的数字孪生模型,为工作台进给系统故障诊断提供故障样本。构建了多尺度并行一维卷积神经网络迁移诊断模型,提高了工作台进给系统故障诊断的准确率。实验验证了所提方法的可行性,能有效解决工作台进给系统故障诊断中因故障样本稀缺导致的诊断准确率低的问题。

关键词

工作台进给系统 / 数字孪生 / 故障诊断 / 迁移学习

中图分类号

TG659 / TP277

引用本文

导出引用
郭伟超, 王景琪, 张松伟, 韩旭阳, 高新勤. 数字孪生与迁移学习结合的工作台进给系统故障诊断方法. 哈尔滨理工大学学报. 2025, 30(01): 138-147 https://doi.org/10.15938/j.jhust.2025.01.014

基金

国家自然科学基金(52075437); 陕西省教育厅协同创新中心项目(20JY047)

评论

Accesses

Citation

Detail

段落导航
相关文章

/