机床与液压

作者：钟金豹，孟祥一，范浩熙，王永鹏，冯相龙，张剑

单位：内蒙古科技大学机械工程学院；内蒙古科技大学机械工程学院；内蒙古科技大学机械工程学院；内蒙古科技大学机械工程学院；内蒙古科技大学机械工程学院；内蒙古科技大学机械工程学院

关键词：轴向柱塞泵;故障诊断;特征提取;数据增强

针对轴向柱塞泵故障诊断中因故障样本稀缺及数据分布不均衡导致的模型泛化能力不足的问题，提出一种基于Wasserstein生成对抗网络（WGAN-GP）进行数据增强的方法，以解决轴向柱塞泵故障数据提取难的问题。通过AMESim软件模拟不同轴向柱塞泵故障状态，并采集相应的流量信号和压力信号。利用高斯噪声和WGAN-GP对采集的数据进行增强，以提高样本数据的数量和质量。提取时域、频域和小波包能量特征作为初始特征参数，并将其输入长短期记忆网络（LSTM）进行故障模式识别和分类。结果表明:该方法在故障样本较少的情况下，能有效提高故障诊断的准确率和模型的泛化能力；对流量信号进行故障诊断时，数据增强前的最高识别准确率为86.84%，应用WGAN-GP算法对训练集数据进行数据增强后的识别准确率最高达98.72%；对压力信号进行故障诊断时，数据增强前的识别最高准确率为88.89%，应用WGAN-GP算法对训练集数据进行数据增强后的识别准确率最高达95.65%。数据增强算法对于提高故障诊断模型的识别准确率具有重大意义。

来源：2025年第13期

《机床与液压》期刊编辑部

查看机床与液压杂志2025年第13期