A hybrid time-frequency information-based method for bearing fault diagnosis

科学家建立一种基于混合时频信息的轴承故障诊断方法

北京航空航天大学Shu Li团队建立一种基于混合时频信息的轴承故障诊断方法。相关论文于2026年2月1日发表在《机械工程进展》杂志上。

滚动轴承振动信号本质上是非平稳的，并且在时间域和频率域中呈现出互补的故障相关特征。在复杂工况下，如何有效建模这种异构信息仍然是实现稳健故障诊断的关键挑战。为了解决这一问题，研究人员提出了一种基于并行双通道特征提取和基于Transformer的早期融合的混合故障诊断框架。

在研究人员所提出的架构中，原始振动信号同时由时间域分支和频率域分支进行处理，从而在避免序列信息丢失的情况下保留各自领域特有的特征。通过在早期阶段进行特征融合，Transformer编码器能够通过自注意力机制捕获全局依赖关系以及跨域交互，从而在噪声环境中提升判别能力和鲁棒性。

在凯斯西储大学（CWRU）数据集上的实验结果表明，研究人员所提出的方法达到了99.99%的分类准确率。此外，在XJTU-SY轴承数据集上的跨数据集验证，以及噪声鲁棒性实验和消融研究，研究人员进一步证明了所提出并行时频融合策略的有效性、泛化能力和结构合理性。

研究结果表明，该框架为实际工业场景中的滚动轴承故障诊断提供了一种可靠且实用的解决方案。

Advances in Mechanical Engineering

本刊是本经过同行评审的开放获取期刊。面向机械工程各个领域出版原创论文以及综述文章，欢迎来自基础及应用领域的原创研究并鼓励具有新颖和创新见解的投稿。

期刊优势

影响因子：2.0

期刊分区：JCR Q3, ENGINEERING, MECHANICAL; THERMODYNAMICS

期刊网址: 

https://uk.sagepub.com/en-gb/chi/journal/advances-mechanical-engineering?utm_source=wechat&utm_medium=china_social&utm_campaign=sciencenet_ade_260116

往期研究:

https://sage.cnpereading.com/search//openoa/adea?utm_source=wechat&utm_medium=china_social&utm_campaign=sciencenet_ade_260116

投稿网址:

https://mc.manuscriptcentral.com/aime?utm_source=wechat&utm_medium=china_social&utm_campaign=sciencenet_ade_260116