| 基于进化算法优化GAN的轴承故障诊断 |
| |
| 引用本文： | 李可,贺少杰,宿磊,顾杰斐,苏文胜,卢立新.基于进化算法优化GAN的轴承故障诊断[J].振动．测试与诊断,2023,43(2):298-303. |
| |
| 作者姓名： | 李可 贺少杰 宿磊 顾杰斐 苏文胜 卢立新 |
| |
| 作者单位： | （1.江南大学江苏省食品先进制造装备技术重点实验室 无锡， 214122）（2.江苏省特种设备安全监督检验研究院无锡分院 无锡， 214071） |
| |
| 基金项目： | 国家自然科学基金资助项目（51775243，51705203，11902124）；江苏省重点研发计划资助项目（BE201702）；泰山产业领军人才工程资助项目 |
| |
| 摘 要： | 针对滚动轴承故障诊断故障样本类别不平衡的问题，提出一种基于进化算法优化的条件生成对抗网络（evolutionary conditional generative adversarial nets， 简称ECGAN）故障诊断方法。首先，利用进化算法优化条件生成对抗网络中的生成器，使其在不同的损失函数下生成与原始样本分布相似的新样本，扩充数据集；其次，将生成的样本和原始样本输入判别器，提取出样本中有效的数据特征，判断输入样本的真假和类别；最后，通过对抗学习机制优化生成器和判别器，提高网络的故障识别能力。实验结果表明，在轴承故障样本数据类别不平衡的情况下，ECGAN模型具有较好的故障诊断性能。
|
| 关 键 词： | 故障诊断 不平衡分类 生成对抗网络 进化算法 |
| 收稿时间： | 2020/10/9 0:00:00 |
| 修稿时间： | 2021/2/3 0:00:00 |
Bearing Fault Diagnosis Based on Generative Adversarial Nets Optimized by Evolutionary Conditions |
| |
| LIANG Weige,YAN Xiaoji,SHE Bo,ZHANG Gang,TIAN Fuqing.Bearing Fault Diagnosis Based on Generative Adversarial Nets Optimized by Evolutionary Conditions[J].Journal of Vibration,Measurement & Diagnosis,2023,43(2):298-303. |
| |
| Authors: | LIANG Weige YAN Xiaoji SHE Bo ZHANG Gang TIAN Fuqing |
| |
| Abstract: | |
| |
| Keywords: | |
|
| 点击此处可从《振动．测试与诊断》浏览原始摘要信息 |
|
点击此处可从《振动．测试与诊断》下载全文 |
|
