数据驱动下基于改进生成对抗网络的滚动轴承故障诊断方法OA
Rolling Bearing Fault Diagnosis Method Based on Improved Generative Adversarial Network Driven by Data
为避免大型风电机组因滚动轴承故障影响正常运行,针对风电机组滚动轴承故障诊断与分析展开研究.考虑传统风电机组滚动故障诊断特征提取复杂、仅可辨别真伪、无法识别故障类型等问题,提出一种面向故障数据的基于改进生成对抗网络的滚动轴承故障诊断方法,在阐述传统生成对抗网络工作原理基础上,将传统生成对抗网络中的JS散度替换为Wassserstein距离,形成Wassseratein GAN-GP.以此为基础构建滚动轴承故障诊断模型,利用梯度惩罚方法对诊断模型进行…查看全部>>
To avoid the impact of rolling bearing faults on the normal operation of large wind turbines,research is conducted on the diagnosis and analysis of rolling bearing faults in wind turbines.Considering the complex feature extraction of traditional wind turbine rolling fault diagnosis,which can only distinguish true and false,and cannot identify fault types,a rolling bearing fault diagnosis method based on improved generative adversarial network for fault data …查看全部>>
颜毅斌;管俊杰;吉天平
湖南铁路科技职业技术学院,湖南株洲 412006湖南铁路科技职业技术学院,湖南株洲 412006湖南铁路科技职业技术学院,湖南株洲 412006
机械工程
故障数据滚动轴承生成对抗网络故障诊断
fault datarolling bearingsgenerative adversarial networkfault diagnosis
《机电工程技术》 2024 (5)
207-210,4
湖南省自然科学基金资助项目(2022JJ60074)湖南省教育厅资助科研项目(22C1118)
评论