基于生成对抗网络的轴承不平衡数据研究

• 作者: 徐赫 杨森林 程德权 韩辉
• 来源期刊: 一重技术
• 学科: 工学
• 关键词: 轴承 生成对抗网络 不平衡分类 数据扩充 卷积神经网络
• 年，卷（期）: 2020,（5）
• 所属期刊栏目: 检查与测量
• 页码范围: 40-46
• 页数: 7页
• 分类号: TP183|TH133.3
• 语种: 中文
• DOI: 10.3969/j.issn.1673-3355.2020.05.010

摘要

数据类别不平衡对轴承故障的诊断有很大影响,而生成对抗网络(Generate Adversarial Net)作为最热门的神经网络之一,在数据生成方面有巨大优势,对解决数据不平衡问题有很大帮助.通过GAN的生成器G和判别器D使生成数据无限接近于真实数据,而且数据分布与真实数据类似.再利用卷积神经网络(Convolutional Neural Networks)中的诊断分类对GAN生成的数据进行验证.利用西安交通大学的轴承数据集作为不平衡数据样本所做实验表明:由GAN模型生成的数据与真实数据的差别很小,能够有效解决实验样本数据量不足,种类不全,数据偏差较大等问题.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	韩辉		38	139	7.0	9.0
2	徐赫		1	0	0.0	0.0
3	杨森林		3	6	1.0	2.0
4	程德权		1	0	0.0	0.0