一、导读

近日，福州大学机械工程及自动化学院、福建省太赫兹功能器件与智能传感重点实验室作为第一单位，在国际期刊《Mechanical Systems and Signal Processing》（中科院1区TOP，IF:8.9）发表了题为“Fringe projection enabled dual-weight enhanced prototype network for non-contact bearing fault diagnosis”的论文。该研究面向旋转机械轴承故障的非接触诊断需求，创新性地提出了一种融合投影条纹视觉测量与双权重增强原型网络的故障诊断方法，有效突破了传统接触式传感器在安装约束、负载效应及单点采集等方面的局限，提升了复杂工况下少样本故障识别能力，为旋转机械智能运维与非接触故障诊断提供了新的技术路径。

实验室博士研究生刘东明为该研究的第一作者，钟剑锋教授为通讯作者，实验室主任钟舜聪教授、钟建华副教授、常元洪副教授等共同参与了课题研究，并作出重要贡献。

二、内容简介

研究首先构建了基于投影条纹的非接触振动感知系统，通过获取转轴径向振动并重构轴心轨迹图像，实现面向轴承故障的视觉表征。论文基于转子—轴承动力学理论，分析了内圈、外圈及滚动体故障对轴心轨迹形态的调制规律，指出不同故障会引起不同形式的轨迹畸变，而轴心轨迹整体形态具有转速不变性，因此能够为变速工况下的故障诊断提供有效支撑。进一步地，研究构建了覆盖正常、内圈故障、外圈故障及滚动体故障等状态的数据集，并分别在恒速、变速、跨速及复合故障场景下开展实验验证。

图1 所提系统的布局及测量原理示意图

随后，研究提出了双权重增强原型网络。该方法通过自适应原型加权网络对支持集样本进行差异化赋权，以减弱低质量样本对类原型构建的干扰；同时通过查询通道权重生成器对查询特征进行通道重标定，增强故障敏感信息表达，提高度量分类的稳定性与判别能力。

图2 (a) 数据采集与元任务构建；(b) DWEPN的训练与测试

实验结果表明，所提方法在多类任务中均表现出优异性能：在恒速工况下，T1 和 T4 任务的 5-shot 诊断准确率分别达到 99.95% 和 99.98%；在变速工况下，T1、T2 和 T4 任务的 5-shot 准确率分别达到 99.96%、96.71% 和 93.50%；在跨速工况下，所有 5-shot 任务准确率仍超过 90%。

图3 变速工况下诊断结果的雷达图

在复合故障诊断中，所提方法同样表现出良好的复杂故障区分能力，例如在同时包含多类复合故障的代表性任务中，T1 和 T5 的诊断准确率分别达到 92.13% 和 91.63%。此外，消融实验表明，完整的双权重增强原型网络相较基线模型在跨转速 T4 任务上的诊断精度提升了 7.4%，验证了双权重协同机制的有效性。

图4 变速工况下不同模型特征嵌入的可视化结果

三、总结

本研究提出了基于投影条纹与双权重增强原型网络的非接触轴承故障诊断方法，建立了从振动测量、轨迹重构到智能识别的完整技术链条。该方法以轴心轨迹替代传统时频特征，在少样本、变速、跨工况及复合故障条件下均展现出良好的诊断精度与泛化能力，为旋转机械智能运维与非接触故障诊断提供了新的技术路径。

原文链接：

https://www.sciencedirect.com/science/article/abs/pii/S0888327026004206