基于二维图像和自适配归一化SGAN网络的滚动轴承故障诊断

• 作者: 杨青 张继云 吴东升 刘伊鹏
• 来源期刊: 轴承
• 关键词: 滚动轴承 故障诊断 监督学习 深度学习 神经网络 生成对抗网络 归一化
• 年，卷（期）: 2021,（8）
• 所属期刊栏目: 测试与应用|Test and Application
• 页码范围: 39-46
• 页数: 8页
• 分类号: TH133.33+1|TN911.7
• 语种: 中文
• DOI: 10.19533/j.issn1000-3762.2021.08.008

摘要

为了在标记数据稀缺的复杂运行环境下得到更高的故障诊断精度,并为每一层网络自动寻找合适的归一化操作,提升网络的泛化能力,提出一种基于二维图像和自适配归一化半监督生成对抗网络(VMD-2D-SN-SGAN)的集合型故障诊断新方法.首先,将一维的振动信号进行变分模态分解降噪,转换为2D图像并作为半监督生成对抗网络的输入;其次,使用自适配归一化替换半监督生成对抗网络中的批归一化并引入dropout层,防止过拟合并提升网络的泛化能力;然后,使用softmax作为判别器网络的输出层输出故障类别,在不同标签比例下优化更新网络参数;最后,将训练好的判别器网络用于轴承的故障诊断.不同来源轴承数据集的试验分析结果表明,VMD-2D-SN-SGAN方法能得到更高的故障诊断精度和较强的鲁棒性,具有较强的泛化能力.