摘要：滚动轴承作为矿井设备的核心部件，其运行状态直接关系到矿山生产安全和经济效益。为提升矿井滚动轴承故障诊断的性能，提出了一种融合改进麻雀搜索算法(Improved Sparrow Search Algorithm，ISSA)和时频自适应胶囊网络(Time-Frequency Adaptive Capsule Networks，TA-CapNets)的新型诊断方法。首先，通过采集矿井滚动轴承的运行数据，提取出反映轴承健康状况的特征；然后利用ISSA对特征进行优化选择，该算法通过模拟麻雀觅食行为，提高了全局搜索能力和收敛速度；再将优化后的特征输入TA-CapNets中，能够自适应地学习时频特征，有效捕捉轴承故障的动态变化。通过TA-CapNets的输出，结合故障模式识别，实现了对轴承故障的准确诊断。试验结果表明：该方法在故障诊断的准确性和实时性方面均优于传统方法，具有一定的实用价值和推广前景。
文章目录
1 故障诊断方法
1.1 数据集获取
1.2 改进麻雀搜索算法
1.3 时频自适应胶囊网络
1.4 矿井滚动轴承故障诊断
2 试验验证与分析
2.1 试验设置
2.2 试验结果分析
3 结 语
