典型文献
基于改进卷积生成对抗网络的少样本轴承智能诊断方法
文献摘要：
轴承样本较少会使模型学习不充分,导致诊断准确性不高.为解决这一问题,构建了一种改进的卷积生成对抗网络,借助生成对抗网络的数据生成能力和改进深层卷积网络的特征提取能力,提高复杂工况下少样本轴承故障诊断准确性.首先,构建了一种深度卷积对抗生成网络,通过生成器和判别器的对抗学习挖掘真实数据的深层特征,用以生成相似的模拟数据,以弥补少样本的不足;其次,将密集块与扩容卷积引入卷积神经网络中,从深度和广度两个方面提升网络的学习能力,挖掘多类别数据中细微差距,增强复杂数据的故障特征提取性能;最后,采用定工况和变转速两种少样本轴承数据进行方法验证与对比分析,结果表明新构建的对抗网络在少样本、含噪声等复杂情形下仍然具有较高的诊断准确率.
文献关键词：
生成对抗网络;卷积神经网络;故障诊断;轴承;少样本学习
中图分类号：
作者姓名：
郭伟;邢晓松
作者机构：
电子科技大学机械与电气工程学院,成都,611731
文献出处：
引用格式：
[1]郭伟;邢晓松-.基于改进卷积生成对抗网络的少样本轴承智能诊断方法)[J].中国机械工程,2022(19):2347-2355
A类：
B类：
卷积生成对抗网络,智能诊断方法,模型学习,诊断准确性,数据生成,生成能力,进深,卷积网络,特征提取能力,复杂工况,轴承故障诊断,深度卷积,对抗生成网络,生成器,判别器,对抗学习,真实数据,深层特征,模拟数据,密集块,扩容,多类别,别数,细微,微差,复杂数据,故障特征提取,变转速,轴承数据,方法验证,诊断准确率,少样本学习
AB值：
0.343389
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
