摘要
针对薄缝采煤机重型轴承故障诊断研究中故障样本难以获取，以及现有方法在小样本条件下的诊断性能不足的问题，本研究重点关注数据集构建、样本增强与故障诊断。首先，基于薄缝采煤机切割单元传动系统的虚拟原型模型，使用SolidWorks 2024软件建立了健康状态轴承以及四种典型故障类型（内圈故障、外圈故障、滚动体故障和保持架故障）的重型轴承三维模型。通过ADAMS进行动态仿真采集振动信号，再利用连续小波变换将其转换为时频图像，从而构建包含五种状态的原始故障数据集。此外，提出了一种结合VGG感知损失的条件生成对抗网络（VGG-CGAN），为实现五种轴承状态的目标样本增强提供了手段，有效解决了类别不平衡问题。在此基础上，构建了改进版的ResNet50故障诊断模型，并采用贝叶斯优化自动调整关键超参数。实验结果表明，改进后的ResNet50模型在自建的薄缝采煤机重型轴承数据集上的准确率为87.14%，在公共的CWRU数据集上的准确率为98.28%。所提出的方法在低样本量及数据不平衡条件下仍具有出色的诊断性能和泛化能力。本研究可为薄缝采煤机重型轴承的故障诊断提供新的思路和有价值的参考。
