2026, 41(4).
摘要:
基于神经网络的故障诊断方法因其黑盒特性导致可靠性不足,为增加其可信度,本文提出一种基于物理信息增强的轴承故障诊断方法(Physical-Information Probabilistic Deep Neural Network, PIPDN),该方法根据轴承理论故障的特征频率生成物理标签,通过赋予数据更具物理性的标注,提升模型的准确性并降低其预测不确定性。为验证所提出方法的可靠性,通过比较传统深度卷积神经网络、物理信息神经网络及其他诊断方法的智能诊断对比实验。结果表明:PIPDN能够准确辨别轴承故障特征,具有良好的诊断性能和较强的鲁棒性,为轴承故障诊断提供了可靠的技术路径与理论支撑。