| 燃气轮机深度卷积生成对抗故障样本生成研究 |
| |
| 引用本文： | 王政博,王红军,张 翔,崔英杰,苏静雷.燃气轮机深度卷积生成对抗故障样本生成研究[J].电子测量与仪器学报,2022,36(6):82-90. |
| |
| 作者姓名： | 王政博 王红军 张 翔 崔英杰 苏静雷 |
| |
| 作者单位： | 1. 北京信息科技大学机电工程学院，2. 高端装备制造智能感知与控制北京市国际科技合作基地，3. 北京信息科技大学机电系统测控北京市重点实验室;1. 北京信息科技大学机电工程学院，4. 天津光电通信技术有限公司 |
| |
| 基金项目： | 国家自然科学基金（51975058）项目资助 |
| |
| 摘 要： | 针对应用深度学习进行燃气轮机故障诊断时,因故障信号数据不易获取,使得正常运行样本多、故障样本少,影响故障
诊断准确率的问题,提出了一种采用深度卷积生成对抗学习对燃气轮机故障样本进行扩充的方法。 根据燃气轮机振动信号特
点,利用快速傅里叶变换、经验模态分解、解调预处理故障信号,提取故障频域特征并选取特征值指标,将振动信号转为二维灰
度图像,通过正交梯度惩罚算法训练深度卷积生成对抗故障样本生成模型。 实例结果表明,使用所提方法获得 CWRU 轴承数
据集生成样本测试准确率为 98. 01%;某型燃气轮机生成样本测试准确率为 97. 43%,同条件下均优于其他主流故障样本生成方
法,验证了所提故障样本生成方法的有效性和优越性。
|
| 关 键 词： | 燃气轮机 故障数据 故障诊断 生成对抗网络 |
Research on fault sample generation of gas turbine based on
deepconvolution generative countermeasures |
| |
| Wang Zhengbo,Wang Hongjun,Zhang Xiang,Cui Yingjie,Su Jinglei.Research on fault sample generation of gas turbine based on
deepconvolution generative countermeasures[J].Journal of Electronic Measurement and Instrument,2022,36(6):82-90. |
| |
| Authors: | Wang Zhengbo Wang Hongjun Zhang Xiang Cui Yingjie Su Jinglei |
| |
| Affiliation: | 1. School of Mechanical and Electrical Engineering, Beijing Information Science & Technology University,2. Beijing High-end Equipment Intelligent Perception and Control International Cooperation Base,3. Beijing Key Laboratory of Measurement and Control of Mechanical and Electrical System, Beijing Information Science & Technology University;1. School of Mechanical and Electrical Engineering, Beijing Information Science & Technology University,4. Tianjin Optoelectronic Communication Technology Co. , Ltd. |
| |
| Abstract: | |
| |
| Keywords: | gas turbine fault data fault diagnosis generative adversarial network |
|
| 点击此处可从《电子测量与仪器学报》浏览原始摘要信息 |
|
点击此处可从《电子测量与仪器学报》下载全文 |
|
