半监督阶梯网络和GAN在滚动轴承故障诊断的应用

滚动轴承是旋转机械的关键部件，统计表明，约30%的旋转机械故障出现在滚动轴承处。人工智能的发展给工业生产中的故障诊断提供了新途径，深度学习已经成为旋转机械故障诊断的一种新颖且有效的方法。普通神经网络的训练需要大量各种情况下的带标签数据，然而现实中工业数据存在不平衡和标签成本高等问题，限制深度学习在工业实际中故障诊断的发展。这里针对滚动轴承监测数据不平衡和缺少标签等问题影响深度学习在工业领域落地应用的情况，提出一种基于半监督阶梯网络和生成对抗网络（GAN）的方法，建立GAN-SSLadder分类模型，基于公开的轴承故障数据库，实现在标签少，数据量小的情况下测试集的识别准确率达到95.5%。