10.3969/j.issn.1004-132X.2022.13.012
自适应辅助分类器生成式对抗网络样本生成模型及轴承故障诊断
故障样本获取困难导致的训练样本不均衡严重影响故障诊断模型的可用性及准确率,因此提出一种基于自适应辅助分类器生成式对抗网络的故障样本生成模型,通过度量判别器与生成器的相对性能自适应地调节生成器损失值,使训练收敛更快、生成数据质量更好.将所提方法、辅助分类器生成式对抗网络方法生成的数据,以及未经处理的试验原始数据作为BP分类模型的输入数据进行试验,结果表明所提方法生成数据训练的模型更优.所提方法与1 D-CNN、e2 e-LSTM、CFVS-SVM和FFT-CNN等方法的对比结果表明,所提方法的故障诊断准确率、信息处理时间均最优.
故障诊断、生成对抗网络、深度学习、滚动轴承
33
TP183(自动化基础理论)
国家重点研发计划;国家重点研发计划
2022-07-26(万方平台首次上网日期,不代表论文的发表时间)
共9页
1613-1621