文章详情
| 稿件标题： | 基于infoGAN和CNN的轴承小样本故障诊断 |
| 稿件作者： | 杨青1，陆见光1，2，3，唐向红1,2,3，顾鑫1，盛晓静1，杨瑞恒1 |
| DOI： | 10.11809/bqzbgcxb2021.11.037 |
| 科学编辑： | 秦毅 博士（重庆大学教授、博导） |
| 栏目名称： | 机械制造与检测技术 |
| 关键词： | 小样本；短时傅里叶变换；信息生成对抗网络；卷积神经网络；故障诊断 |
| 文章摘要： | 提出基于信息生成对抗网络和卷积神经网络的轴承小样本故障诊断方法。短时傅里叶变换从一维原始时域信号中提取时频图像特征；将提取的时频图像特征输入信息生成对抗网络进行对抗训练生成更多的图像样本；将生成的样本图像添加到训练的时频图像中，建立用于诊断的卷积神经网络模型。为了证明所提方法的有效性，在CWRU轴承数据集上进行了一系列对比试验。结果表明，所提的诊断方法优于其他算法和模型，能有效地实现轴承故障诊断;采用另一轴承故障数据集验证了该方法的泛化性。 |
| 稿件基金： | 贵州省公共大数据重点实验室开放基金项目（2017BDKFJJ019）；贵州省2018年本科教学内容和课程体系改革项目阶段性成果（2018520081）；贵州省科学技术基金项目(黔科合基础 ZK〔2021〕一般 271) |
| 引用本文格式： | 杨青，陆见光，唐向红，等.基于infoGAN和CNN的轴承小样本故障诊断［J］.兵器装备工程学报，2021，42(11)：235-240. YANG Qing, LU Jianguang, TANG Xianghong, et al.Bearing Small Sample Fault Diagnosis Based on InfoGAN and CNN［J］.Journal of Ordnance Equipment Engineering，2021，42(11)：235-240. |
| 刊期名称： | 2021年11期 |
| 出版时间： | 2021年11月 |
| 上线时间： | 2021年11月28日 |
| 浏览次数： | 2646 |
| 下载次数： | 458 |
| 免费阅读PDF 在线阅读 下载本期目录 下载本期封面 | |