基于二维灰度图的数据增强方法在电机轴承故障诊断的应用研究

• 作者: 肖雄 肖宇雄 张勇军 宋国明 张飞
• 来源期刊: 中国电机工程学报
• 关键词: 电机轴承 故障诊断 生成对抗网络 二维灰度图 数据增强
• 年，卷（期）: 2021,（2）
• 所属期刊栏目: 电机与电器|Electric Machines and Apparatus
• 页码范围: 738-748,中插32
• 页数: 12页
• 分类号: TP277
• 语种: 中文
• DOI: 10.13334/j.0258-8013.pcsee.200834

摘要

在基于深度学习的电机轴承故障诊断中,一般采用基于生成对抗网络(generative adversarial networks,GANs)的数据增强方法以获取足量故障数据,从而保证模型的性能.一维时序信号下的数据增强会出现生成数据质量差、网络训练速度慢以及训练过程繁琐等问题,该文针对此,提出一种基于二维灰度图及辅助分类生成对抗网络(2D gray pixel images and auxiliary classifier generative adversarial networks,2D-ACGANs)的数据增强方法.首先将原始的一维时序信号转换为二维灰度图,以得到适用于二维卷积神经网络的输入数据;在此基础上结合辅助分类生成对抗网络,将原始数据的标签作为此网络的输入进行数据增强,该方法较一维数据增强方法有效减少网络训练参数量,同时解决传统方法中训练繁琐及标签信息丢失的问题.最后将提出的方法用于电机轴承的故障实验数据中进行对比验证,结果表明改进的2D-ACGANs算法能生成更高质量的数据,有效提高故障识别准确率及网络训练速度,具备良好的工程应用可行性.