热能动力工程

作者：吕学宾,许子非,任杰,李明,黄金军,张万福

单位：国网山东省电力公司,,上海理工大学 能源与动力工程学院,,国网山东省电力公司电力科学研究院,,国网山东省电力公司电力科学研究院,,国家电网有限公司直流技术中心,,上海理工大学 能源与动力工程学院,

关键词：故障诊断;物理信息神经网络;概率深度学习;轴承健康监测

基金：国家自然科学基金项目（面上项目，重点项目，重大项目）

基于神经网络的故障诊断方法因其黑盒特性导致可靠性不足,为增加其可信度,本文提出一种基于物理信息增强的轴承故障诊断方法(Physical-Information Probabilistic Deep Neural Network, PIPDN),该方法根据轴承理论故障的特征频率生成物理标签,通过赋予数据更具物理性的标注,提升模型的准确性并降低其预测不确定性。为验证所提出方法的可靠性,通过比较传统深度卷积神经网络、物理信息神经网络及其他诊断方法的智能诊断对比实验。结果表明：PIPDN能够准确辨别轴承故障特征,具有良好的诊断性能和较强的鲁棒性,为轴承故障诊断提供了可靠的技术路径与理论支撑。

来源：2026年第4期

《热能动力工程》期刊编辑部

查看热能动力工程杂志2026年第4期