滚动轴承智能故障诊断技术的研究综述与未来展望

摘要

面滚动轴承智能故障诊断是实现工业装备预测性维护的核心。传统方法依赖人工特征工程，在复杂工况下泛化能力弱。深度学习通过端到端学习，可自动从原始数据中提取故障特征，推动诊断范式变革。当前主流方法包括直接处理一维振动信号的深度时序模型（如1D-CNN）和基于时频图像的视觉模型（如Vision Transformer）。针对数据稀缺、工况变化等挑战，迁移学习、生成对抗网络等技术被广泛应用。然而，模型可解释性差、强噪声下鲁棒性不足、小样本泛化能力弱及寿命预测困难仍是工程落地的主要瓶颈。未来研究需聚焦可解释人工智能、数字孪生数据增强、物理信息融合与轻量化边缘部署，构建更可信、自适应、前瞻的智能诊断系统。