综述：电动机中的轴承故障诊断：近期方法与工程趋势的结构化综述 吴建伟（Jianwei Wu） 傅敏杰（Minjie Fu） 方友通（Youtong Fang） 何向宁（Xiangning He） 张健（Jian Zhang）

《Energies》：Bearing Fault Diagnosis in Electric Motors: A Structured Review of Recent Methods and Engineering Trends Jianwei Wu, Minjie Fu, Youtong Fang, Xiangning He and Jian Zhang

　　

摘要

滚动轴承是电动机中最容易发生故障的关键部件之一，其工作状态直接影响电机系统的安全性和可靠性。由于故障初期特征不明显、工作条件复杂以及信号表现形式多样，轴承故障诊断已成为电机状态监测领域的研究重点。本文对近年来常用的电动机轴承故障诊断方法进行了系统梳理，特别关注了振动信号和电机电流信号在故障诊断中的应用。从物理可解释性、信号表示和数据驱动学习的角度出发，对基于故障机制建模、特征提取和人工智能（AI）的轴承故障诊断方法进行了结构化分析并进行了比较。此外，还总结了适用于小样本数据的数据增强技术和元学习方法，以及适用于不同工作条件和虚拟到现实场景的迁移学习（TL）方法。通过对比分析不同的技术途径，本文指出了在复杂工作条件和实际工程场景下轴承故障诊断面临的关键挑战和新兴趋势，为方法选择和未来研究提供了工程参考。