机床与液压

作者：李靖宇，董增寿，康琳，石慧

单位：太原科技大学电子信息工程学院；太原科技大学电子信息工程学院；太原科技大学电子信息工程学院；太原科技大学电子信息工程学院

关键词：故障诊断;样本类平衡;WGAN-div;DLA34

基金：山西省基础研究计划(自由探索类)面上项目（20210302123206； 202203021211205；202203021222214）；山西省回国留学人员科研资助项目（2021-135； 2021-134）

针对实际工业场景中设备长时间运行于正常运行状态，故障样本不易获得且采集到的样本种类不平衡，导致以数据为驱动的深度智能诊断模型性能退化的问题，提出一种基于生成对抗网络（WGAN-div)和深度卷积神经网络DLA的两阶段处理模型。利用WGAN-div生成故障样本，实现样本间的类平衡，将平衡后的数据集送入DLA34网络中进行特征提取和故障分类。DLA34以其特殊的聚合结构能够融合各层的语义和空间信息，实现更深的信息共享。最后，利用凯斯西储大学轴承故障数据集进行验证。实验结果表明：该模型中WGAN-div能生成与原始样本高度相似的生成样本，数据平衡效果也优于目前主流的GAN、WGAN和DCGAN；且由DLA34完成的故障识别准确率在所设数据集上均达到100%。

来源：2024年第19期

《机床与液压》期刊编辑部

查看机床与液压杂志2024年第19期