基于LSGAN-LSTM的齿轮故障诊断 |
| |
引用本文: | 刘杰,郑洋.基于LSGAN-LSTM的齿轮故障诊断[J].沈阳工业大学学报,2023(4):436-441. |
| |
作者姓名: | 刘杰 郑洋 |
| |
作者单位: | 沈阳工业大学机械工程学院 |
| |
摘 要: | 针对难以获取足量样本数据的齿轮故障诊断率低的问题,提出一种基于最小二乘生成对抗网络(LSGAN)结合长短期记忆网络(LSTM)的方法.将齿轮的原始样本输入LSGAN模型中,通过对生成网络和判别网络的交替训练,学习出不同状态的样本数据,从而实现数据增强,通过生成样本结合原始样本训练LSTM诊断模型,完成小样本下的故障诊断.以康狄涅格大学的齿轮实验数据为例对所提方法进行验证,结果表明,与传统方法相比,诊断准确率提高至98.3%.通过可视化方法显示出诊断方法的优越性,为小样本条件下的故障诊断提供参考.
|
关 键 词: | 最小二乘生成对抗网络 长短期记忆网络 故障诊断 小样本 数据增强 深度学习 齿轮 可视化 |
|
|