基于改进半监督生成对抗网络的少量标签轴承智能诊断方法

摘要：

轴承在线监测大数据主要是由大量无标签数据和少量有标签数据组成的.已有的智能诊断方法多依赖于大量有标签数据的监督学习.针对此问题,提出一种改进半监督生成对抗网络,利用生成器与分类器的对抗学习增强分类器的辨识能力,提出了增强特征匹配算法,借助分类器的深层特征优化网络损失值计算,进而提高网络收敛速度,结合半监督学习使用少量有标签数据进一步提升分类器的学习能力,最终实现对无标签数据的正确归类.使用四组轴承试验数据的迁移学习验证和对比了改进深度网络对不同轴承、工况、故障生成模式、故障程度的辨识能力,结果表明该网络具有更高的分类准确率和更快的收敛速度.

关键词：深度学习、迁移学习、故障诊断、半监督学习、无标签数据、轴承

所属期刊栏目：41

分类号：TH17

资助基金：四川省自然科学基金;国家自然科学基金

在线出版日期：2022-12-05（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：184-192