基于生成对抗网络的滚动轴承不平衡数据集故障诊断新方法
来源：计算机集成制造系统杂志2022年第9期北京时间：
作者：郭俊锋, 王淼生, 孙磊, 续德锋
单位：兰州理工大学机电工程学院
摘要：在实际工程应用中,滚动轴承在大多数时间都工作在正常状态下,故障状态时间很短。由于成本,让其长时间工作在故障状态是不现实的。这将造成故障诊断数据集的不平衡,即正常的样本远远多于故障的样本,而这会极大地影响故障诊断结果的准确性和稳定性。针对该问题,提出一种基于Wasserstein距离条件梯度惩罚生成对抗网络(CWGAN-GP)的轴承不平衡数据集故障诊断方法,该方法能够稳定地生成高质量的样本。在故障诊断过程中,首先对生成样本的质量进行评估,然后对不平衡数据集进行逐步扩充与平衡。实验表明,该方法能够生成与真实样本高度相似的生成样本,并随着不平衡数据集被逐渐平衡,故障诊断的准确率也得到有效的提高。此外,CWGAN-GP模型在样本生成方面比其他生成模型具有更好的表现。
关键词：故障诊断,不平衡数据集,梯度惩罚,生成对抗网络,滚动轴承
基金资助：国家自然科学基金资助项目(51465034)。
