基于多判别器辅助分类器生成对抗网络的故障诊断方法研究OA北大核心CSTPCD
Research on fault diagnosis method based on multi-discriminator auxiliary classifier generative adversarial network
在强冲击、强辐射、极高温等极端恶劣的工作环境下,机械设备的故障模式复杂多样,获得充足且有效的故障数据变得非常困难甚至难以实现,以致故障诊断的准确性受限,后续检修维护方案难以有效制定.针对这一问题,提出了一种多判别器辅助分类器生成对抗网络的数据增强算法.通过设置3个判别器、1个生成器并添加独立的分类器,构建了新的辅助分类器生成对抗网络模型.针对在该模型训练中存在的不稳定性问题,通过引入Wasserstein距离构造新的损失函数,并采用稳定性更具优势…查看全部>>
In extremely harsh working environments such as strong impacts,intense radiation and extremely high temperature,the fault modes of mechanical equipment are complex and varied,and it is very difficult to obtain sufficient and effective fault data,even difficult to achieve,so that the accuracy of fault diagnosis is limited,and subsequent maintenance and repair programs are difficult to be effectively developed.To solve this problem,a data enhancement algorithm…查看全部>>
叶子汉;王中华;姜潮;吕新;张哲
湖南大学 整车先进设计制造技术全国重点实验室,湖南 长沙 410082||湖南大学机械与运载工程学院,湖南长沙 410082湖南大学 整车先进设计制造技术全国重点实验室,湖南 长沙 410082||湖南大学机械与运载工程学院,湖南长沙 410082湖南大学 整车先进设计制造技术全国重点实验室,湖南 长沙 410082||湖南大学机械与运载工程学院,湖南长沙 410082湖南大学 整车先进设计制造技术全国重点实验室,湖南 长沙 410082||湖南大学机械与运载工程学院,湖南长沙 410082湖南大学 整车先进设计制造技术全国重点实验室,湖南 长沙 410082||湖南大学机械与运载工程学院,湖南长沙 410082
计算机与自动化
多判别器辅助分类器生成对抗网络高效通道注意力机制Lipschitz(利普希茨)约束数据增强故障诊断
multi-discriminator auxiliary classifier generative adversarial networkefficient channel attention mechanismLipschitz penaltydata augmentationfault diagnosis
《工程设计学报》 2024 (2)
137-150,159,15
国防基础科研计划资助项目(JCKY2020110C105)国家自然科学基金资助项目(52205262)整车先进设计制造技术全国重点实验室开放基金资助项目(32175001)
评论