数据失衡下基于WGAN和GAPCNN的轴承故障诊断研究

• 作者: 彭成 满君丰 薛振泽 邓河
• 来源期刊: 计算机应用研究
• 关键词: 故障诊断 深度学习 滚动轴承 生成对抗网络 卷积神经网络
• 年，卷（期）: 2020,（12）
• 所属期刊栏目: 系统应用开发
• 页码范围: 3681-3685
• 页数: 5页
• 分类号: TP183
• 语种: 中文
• DOI: 10.19734/j.issn.1001-3695.2019.07.0555

摘要

针对轴承故障数据严重失衡导致所训练的模型诊断能力和泛化能力较差等问题,提出基于Wasserstein距离的生成对抗网络来平衡数据集的方法.该方法首先将少量故障样本进行对抗训练,待网络达到纳什均衡时,再将生成的故障样本添加到原始少量故障样本中起到平衡数据集的作用;提出基于全局平均池化卷积神经网络的诊断模型,将平衡后的数据集输入到诊断模型中进行训练,通过模型自适应地逐层提取特征,实现故障的精确分类诊断.实验结果表明,所提诊断方法优于其他算法和模型,同时拥有较强的泛化能力和鲁棒性.