摘要:針對實(shí)際運(yùn)行中行星變速箱故障數(shù)據(jù)較少、各個(gè)狀態(tài)樣本不均衡的問題,提出了由Wasserstein生成式對抗網(wǎng)絡(luò)(WGAN)樣本生成模型和卷積神經(jīng)網(wǎng)絡(luò)(CNN)分類模型組合的WGAN-CNN故障診斷分類模型。該模型對故障數(shù)據(jù)的頻譜信號進(jìn)行過采樣,以擴(kuò)展故障樣本數(shù)量,從而更好地對故障狀態(tài)進(jìn)行分類。采用加州大學(xué)歐文分校人工數(shù)據(jù)集對WGAN生成模型以及經(jīng)典過采樣方法進(jìn)行對比,并在行星變速箱故障試驗(yàn)臺(tái)上進(jìn)行驗(yàn)證。結(jié)果表明,樣本不均衡會(huì)嚴(yán)重影響分類結(jié)果,而WGAN-CNN模型可以很好地?cái)U(kuò)充故障樣本集,提高在故障樣本稀少情況下的診斷準(zhǔn)確率。
注:因版權(quán)方要求,不能公開全文,如需全文,請咨詢雜志社。
兵工學(xué)報(bào)雜志, 月刊,本刊重視學(xué)術(shù)導(dǎo)向,堅(jiān)持科學(xué)性、學(xué)術(shù)性、先進(jìn)性、創(chuàng)新性,刊載內(nèi)容涉及的欄目:綜述、論文、簡報(bào)、短文等。于1979年經(jīng)新聞總署批準(zhǔn)的正規(guī)刊物。