基于改进GAN算法的电机轴承故障诊断方法

论文摘要

提出一种基于改进GAN（生成对抗网络）的滚动轴承故障诊断方法,以振动信号作为主要依据,结合连续小波变换处理非平稳信号的能力和半监督生成对抗网络（semi-supervised generation adversarial netw orks,SSGAN）处理和识别图像的功能,在半监督生成对抗网络的基础上引入条件模型并对损失函数进行优化,指导生成器和判别器的训练.首次将改进GAN算法应用于故障诊断领域并利用其生成模型和半监督学习能力分别解决了样本数据不足和样本标记问题.实验表明,连续小波变换与改进GAN结合的故障诊断方法与其他主流诊断方法相比能达到较高准确率.

论文目录

• 1 模型描述
•   1.1 连续小波变换（CWT）
•   1.2 改进生成对抗网络
• 2 实验与结果分析
•   2.1 样本集构造
•   2.2 网络模型的构建
•     2.2.1 损失函数
•     2.2.2训练算法
•     2.2.3 训练结果分析
•   2.3 结果分析
•     2.3.1 半监督强度的影响
•     2.3.2 批处理量的影响
•     2.3.3 不同诊断方法对比
• 3 结论

文章来源

类型: 期刊论文

作者: 徐林,郑晓彤,付博,田歌

关键词: 轴承,连续小波变换,时频图,半监督学习,生成对抗网络,故障诊断

来源: 东北大学学报(自然科学版) 2019年12期

年度: 2019

分类: 工程科技Ⅱ辑,信息科技

专业: 电力工业,自动化技术

单位: 东北大学信息科学与工程学院

基金: 国家自然科学基金资助项目(61573087)

分类号: TM307;TP18

页码: 1679-1684

总页数: 6

文件大小: 947K

下载量: 725