机床与液压

作者：张志强，斯帅，佃松宜，赵涛，郭斌，刘佳

单位：四川大学电气工程学院；四川大学电气工程学院；四川大学电气工程学院；四川大学电气工程学院；四川大学电气工程学院；自贡市大安区高端人才服务中心

关键词：数据增强;故障诊断;TimeGAN;WGAN-GP

六足机器人在实际运维工作中，很难采集到足够的故障数据，这导致故障数据存在不平衡，并严重影响故障诊断的效果。针对六足机器人实际应用中故障数据不平衡影响深度学习模型训练导致故障诊断精度低的问题，提出一种多阶段生成对抗网络数据增强算法。将多传感器的时序数据作为时间序列生成对抗网络(TimeGAN)的输入，生成具有时间动态特征的序列数据；将时间序列生成对抗网络合成的数据代替带梯度惩罚WGAN生成对抗网络(WGAN-GP)中的噪声输入数据，且判别器将图卷积网络、长短时记忆网络和注意力机制结合，更有效地挖掘多源异构传感数据的时空相关性，增强对时序数据的判别能力。实验结果表明：所提算法能有效生成具有高质量、多样性的时序特征数据；与同类型的算法相比，能显著提高故障诊断的准确率。

来源：2025年第11期

《机床与液压》期刊编辑部

查看机床与液压杂志2025年第11期