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。

关键词: 矿井滚动轴承　故障诊断　改进麻雀搜索算法　时频自适应胶囊网络