10.13465/j.cnki.jvs.2020.18.020
基于GAN样本生成技术的智能诊断方法
基于数据驱动的设备故障智能诊断方法是监测设备健康状况的重要手段,然而实际应用中,难以获取到足量有效的故障数据训练智能诊断模型.鉴于设备健康状态数据充足和现有智能诊断方法故障机理利用不足,提出基于生成对抗网络(GAN)样本生成技术的智能诊断方法.健康状态数据反映了设备个性特征,故障机理反映了设备共性特征,基于两种特征融合,得到故障数据样本,通过对深度卷积神经网络的训练为设备个体构建个性化的智能诊断模型.采用来自CWRU轴承数据和实验台模拟故障数据进行的实验结果表明,该方法相比现有智能诊断方法无需真实故障样本,在变负载条件下实现了很高的诊断准确率,具有较好的变工况迁移能力.
生成对抗网络(GAN)、样本生成、故障机理、智能诊断、迁移学习
39
TH17;TP277
国家重点研发计划2016YFF0203305
2020-11-10(万方平台首次上网日期,不代表论文的发表时间)
共8页
153-160