基于改进卷积生成对抗网络的少样本轴承智能诊断方法OA北大核心
Intelligent Fault Diagnosis of Bearings with Few Samples Based on an Improved Convolutional Generative Adversarial Network
轴承样本较少会使模型学习不充分,导致诊断准确性不高.为解决这一问题,构建了一种改进的卷积生成对抗网络,借助生成对抗网络的数据生成能力和改进深层卷积网络的特征提取能力,提高复杂工况下少样本轴承故障诊断准确性.首先,构建了一种深度卷积对抗生成网络,通过生成器和判别器的对抗学习挖掘真实数据的深层特征,用以生成相似的模拟数据,以弥补少样本的不足;其次,将密集块与扩容卷积引入卷积神经网络中,从深度和广度两个方面提升网络的学习能力,挖掘多类别数据中细微差距,…查看全部>>
郭伟;邢晓松
电子科技大学机械与电气工程学院,成都,611731电子科技大学机械与电气工程学院,成都,611731
机械制造
生成对抗网络卷积神经网络故障诊断轴承少样本学习
《中国机械工程》 2022 (19)
高速列车运行风险评估及调控基础理论与方法
2347-2355,9
四川省自然科学基金(2022NSFSC0575)国家自然科学基金(61833002)
评论