一種有效的不均衡樣本生成方法及其在行星變速箱故障診斷中的應用
作者：吳春志; 馮輔周; 吳守軍; 陳湯; 江鵬程 陸軍裝甲兵學院車輛工程系; 北京100072
摘要：針對實際運行中行星變速箱故障數據較少、各個狀態樣本不均衡的問題,提出了由Wasserstein生成式對抗網絡(WGAN)樣本生成模型和卷積神經網絡(CNN)分類模型組合的WGAN-CNN故障診斷分類模型。該模型對故障數據的頻譜信號進行過采樣,以擴展故障樣本數量,從而更好地對故障狀態進行分類。采用加州大學歐文分校人工數據集對WGAN生成模型以及經典過采樣方法進行對比,并在行星變速箱故障試驗臺上進行驗證。結果表明,樣本不均衡會嚴重影響分類結果,而WGAN-CNN模型可以很好地擴充故障樣本集,提高在故障樣本稀少情況下的診斷準確率。
注：因版權方要求，不能公開全文，如需全文，請咨詢雜志社。
兵工學報雜志
兵工學報雜志， 月刊，本刊重視學術導向，堅持科學性、學術性、先進性、創新性，刊載內容涉及的欄目：綜述、論文、簡報、短文等。于1979年經新聞總署批準的正規刊物。
- 北大期刊
- CSCD期刊
- 統計源期刊
- 1-3個月審核
