应用深度学习的生成对抗网络行星齿仑箱故障诊断技术研究

• 作者: 孙长杰 王丽 王威 陈博
• 来源期刊: 机械科学与技术
• 学科: 工学
• 关键词: 行星齿轮箱 特征提取 深度学习 生成对抗网络
• 年，卷（期）: 2020,（1）
• 所属期刊栏目: 仪器、仪表科学与技术
• 页码范围: 117-123
• 页数: 7页
• 分类号: TG659
• 字数: 3677字
• 语种: 中文
• DOI: 10.13433/j.cnki.1003-8728.20190234

摘要

为了提高旋转机械传动系统的安全性和可靠性,降低维护维修费用,本文研究了一种少样本信息情况下的行星齿轮箱故障诊断方法.针对故障诊断模型建立中的样本不均衡问题,通过生成对抗网络(GAN)的对抗学习机制,实现对振动信号的特征提取.训练生成器学习原始故障样本的分布特点,产生补充的故障数据样本,进而建立更加精确的GAN故障诊断模型.通过实验平台采集多种工况下的故障样本,进行故障诊断模型训练,实验表明在诊断样本信息不足的情况下,GAN故障诊断模型可以有效提高诊断精度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈博	咸阳师范学院物理与电子工程学院	30	10	2.0	2.0
2	王威	西安航空学院电子工程学院	16	4	1.0	1.0
3	王丽	西安航空学院电子工程学院	16	5	1.0	1.0
4	孙长杰	中国飞行试验研究院航电所	7	1	1.0	1.0