不平衡样本下基于生成式对抗网络的风机叶片开裂状态识别 |
| |
作者姓名: | 张玉彦 张永奇 孙春亚 王昊琪 文笑雨 乔东平 闫新宇 李浩 |
| |
作者单位: | 郑州轻工业大学河南省机械装备智能制造重点实验室 |
| |
基金项目: | 国家自然科学基金资助项目(52105536,51905494);;河南省重点研发与推广专项(科技攻关)资助项目(212102210072,202102210088)~~; |
| |
摘 要: | 针对风机叶片开裂状态样本少、识别率低的问题,提出基于生成式对抗网络(GAN)的开裂状态样本增强方法来提高识别率。以经验风险分类模型为对象,从理论角度对不平衡样本问题进行深入分析,设计了满足开裂样本生成与判别的GAN网络模型,引入批量归一化保障特征服从标准正态分布,加速网络训练过程收敛。以神经网络为分类器,以F1值、Recall、Precision为度量指标,在36个UCI基准数据集上对所提方法进行测试,结果表明增强后的结果更好。真实实验表明,以逻辑回归及神经网络为分类器,相比原始不平衡样本,增强后的结果分别提升13.88%,8.20%。与SMOTE算法对比,以上两种分类器的分类准确率分别提高74%和11%;与ADASYN算法对比,分类准确率分别提高19%和23%。
|
关 键 词: | 不平衡样本 风机叶片 样本增强 生成式对抗网络 开裂识别 |
|
|