基于VAE-GAN数据增强算法的小样本滚动轴承故障分类方法

TP277%TH17; 近些年,数据增强算法被广泛应用于小样本故障分类中.然而,传统的数据增强模型在训练中经常出现梯度爆炸、梯度消失等问题,这在一定程度上限制了其在滚动轴承故障分类上的应用.为了解决上述问题,提出了一种新的模型框架.该模型首先将滚动轴承的原始一维振动数据通过连续小波变换(CWT)转换为二维图像,然后利用变分自动编码生成式对抗网络(VAE-GAN)对图像数据做样本增强,最后利用生成图片和原图片共同训练一个卷积神经网络(CNN)故障分类器.使用凯斯西储大学实验室的公开数据集对所提出的方法进行了验证.实验结果表明,与其他模型相比,所提出的模型具有更优越的性能....

Celý popis

Podrobná bibliografie

Vydáno v:	原子能科学技术 Ročník 57; číslo z1; s. 228 - 237
Hlavní autoři:	张钊光, 蒋庆磊, 詹瑜滨, 侯修群, 郑英, 崔运佳
Médium:	Journal Article
Jazyk:	čínština
Vydáno:	核动力运行研究所,湖北武汉 430200 20.07.2023 中核武汉核电运行技术股份有限公司,湖北武汉 430200%中核国电漳州能源有限公司,福建漳州 363300%华中科技大学人工智能与自动化学院测控技术"一带一路"联合实验室,湖北武汉 430074
Témata:	小样本 滚动轴承 连续小波变换 变分自动编码生成式对抗网络 few-shot fault diagnosis 卷积神经网络 故障诊断 continuous wavelet transform convolutional neural network rolling bearing variational autoencoder-generative adversarial network
ISSN:	1000-6931
On-line přístup:	Získat plný text
Tagy:	Přidat tag Žádné tagy, Buďte první, kdo vytvoří štítek k tomuto záznamu!