《计算机应用研究》|Application Research of Computers

数据失衡下基于WGAN和GAPCNN的轴承故障诊断研究

Research on bearing fault diagnosis based on depth learning under imbalance of data

免费全文下载 (已被下载 次)  
获取PDF全文
作者 薛振泽,满君丰,彭成,邓河
机构 湖南工业大学 计算机学院;中南大学 自动化学院;长沙民政职业技术学院
统计 摘要被查看 次,已被下载
摘要 针对轴承故障数据严重失衡导致所训练的模型诊断能力和泛化能力较差等问题进行研究,提出基于Wasserstein距离的生成对抗网络来平衡数据集的方法,该方法首先将少量故障样本进行对抗训练,待网络达到纳什均衡时,再将生成的故障样本添加到原始少量故障样本中起到平衡数据集的作用;提出基于全局平均池化卷积神经网络的诊断模型,将平衡后的数据集输入到诊断模型中进行训练,通过模型自适应地逐层提取特征,实现故障的精确分类诊断。实验结果表明,所提的诊断方法优于其他算法和模型,同时拥有较强的泛化能力和鲁棒性。
关键词 故障诊断;深度学习;滚动轴承;生成对抗网络;卷积神经网络
基金项目 国家自然科学基金资助项目(61871432,61702178,61702177)
湖南省自然科学基金资助项目(2018JJ4063,2019JJ60008,2017JJ3065)
湖南省教育厅科研项目(16A059,17A052,15C0081)
湖南省研究生创新基金资助项目(CX2018B740)
本文URL http://www.arocmag.com/article/02-2020-12-044.html
收稿日期
修回日期
页码 -
中图分类号 TP183
文献标志码