改进的生成对抗网络在轴承故障诊断中的应用OA北大核心CSCDCSTPCD
Application of Improved Generative Confrontation Network in Bearing Fault Diagnoses
研究一种基于改进的生成对抗网络的滚动轴承故障诊断方法.针对传统的生成对抗网络模型无法进行故障诊断的问题,对其进行改进,在生成对抗网络基础上加入额外条件信息,并且在输出层添加辅助输出层,将生成对抗网络从无监督学习的生成模型改进为监督学习的分类模型.然后,利用西储大学轴承数据集对改进后的生成对抗网络进行实验验证.结果表明,改进后的生成对抗网络模型能够有效识别滚动轴承故障类型,相比于相同结构的人工神经网络故障诊断准确率提高5.83％,达到99.86％,…查看全部>>
刘杰;王昌达;武秋敏;胡兵兵
西安理工大学 印刷包装与数字媒体学院,西安 710048西安理工大学 印刷包装与数字媒体学院,西安 710048西安理工大学 印刷包装与数字媒体学院,西安 710048西安理工大学 印刷包装与数字媒体学院,西安 710048
机械制造
故障诊断生成对抗网络轴承智能故障诊断监督学习分类模型
《噪声与振动控制》 2021 (2)
89-92,124,5
国家自然科学基金资助项目(51905422)陕西省自然科学基础研究计划资助项目(2020JQ-630)中国博士后科学基金资助项目
评论