自适应辅助分类器生成式对抗网络样本生成模型及轴承故障诊断OA北大核心CSTPCD
故障样本获取困难导致的训练样本不均衡严重影响故障诊断模型的可用性及准确率,因此提出一种基于自适应辅助分类器生成式对抗网络的故障样本生成模型,通过度量判别器与生成器的相对性能自适应地调节生成器损失值,使训练收敛更快、生成数据质量更好。将所提方法、辅助分类器生成式对抗网络方法生成的数据,以及未经处理的试验原始数据作为BP分类模型的输入数据进行试验,结果表明所提方法生成数据训练的模型更优。所提方法与1D-CNN、e2e-LSTM、CFVS-SVM和FF…查看全部>>
杨光友;刘浪;习晨博
湖北工业大学农机工程研究设计院,武汉430068 湖北省农机装备智能化工程技术研究中心,武汉430068湖北工业大学农机工程研究设计院,武汉430068湖北工业大学农机工程研究设计院,武汉430068
信息技术与安全科学
故障诊断生成对抗网络深度学习滚动轴承
《中国机械工程》 2022 (13)
P.1613-1621,9
评论