在经过长期运行后大口径射电望远镜俯仰轴会出现微小扭曲,滚动轴承作为承载俯仰轴的核心部件,也会因长期承受交变载荷增加疲劳风险,导致轴承寿命以及望远镜指向精度的下降,极大影响望远镜的性能.以俯仰轴承为研究对象,开展故障辨识方法研究,可为望远镜天线的高性能运行提供重要支撑.为实现在有限数据和复杂工作条件下准确地辨识俯仰轴承故障,提出了一种小样本条件下基于元学习的故障辨识方法(Few-shot Meta-learning Fault Identification, FMFI).首先将不同工况下的原始信号转换为时频图像数据,之后按照元学习协议将数据样本随机采样到不同的学习任务中.在有限样本的条件下, FMFI可以通过训练任务中的样本信息获取通用的先验知识,在未知的测试任务下实现准确快速的故障辨识.选取了与望远镜俯仰轴承工况具有相似性的变负载轴承数据集进行实验,实验结果表明, FMFI方法具有很高的准确性和可靠性,为大口径射电望远镜俯仰轴承的主动运维和高质量服役提供了有力的技术支持.
