计算机应用研究

作者：薛振泽,满君丰,彭成,邓河,

单位：1.湖南工业大学计算机学院,湖南株洲412007；2.中南大学自动化学院,长沙410083；3.长沙民政职业技术学院,长沙410004；

关键词：故障诊断,深度学习,滚动轴承,生成对抗网络,卷积神经网络,

基金：国家自然科学基金项目(61871432,61702178,61702177)；湖南省自然科学基金项目(2018JJ4063,2019JJ60008,2017JJ3065)；湖南省教育厅科研项目(16A059,17A052,15C0081,15C0401)；湖南省研究生创新基金项目(CX2018B740)；；

针对轴承故障数据严重失衡导致所训练的模型诊断能力和泛化能力较差等问题，提出基于Wasserstein距离的生成对抗网络来平衡数据集的方法。该方法首先将少量故障样本进行对抗训练，待网络达到纳什均衡时，再将生成的故障样本添加到原始少量故障样本中起到平衡数据集的作用；提出基于全局平均池化卷积神经网络的诊断模型，将平衡后的数据集输入到诊断模型中进行训练，通过模型自适应地逐层提取特征，实现故障的精确分类诊断。实验结果表明，所提诊断方法优于其他算法和模型，同时拥有较强的泛化能力和鲁棒性。

来源：2020年第12期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2020年第12期