典型文献
基于改进半监督生成对抗网络的少量标签轴承智能诊断方法
文献摘要：
轴承在线监测大数据主要是由大量无标签数据和少量有标签数据组成的.已有的智能诊断方法多依赖于大量有标签数据的监督学习.针对此问题,提出一种改进半监督生成对抗网络,利用生成器与分类器的对抗学习增强分类器的辨识能力,提出了增强特征匹配算法,借助分类器的深层特征优化网络损失值计算,进而提高网络收敛速度,结合半监督学习使用少量有标签数据进一步提升分类器的学习能力,最终实现对无标签数据的正确归类.使用四组轴承试验数据的迁移学习验证和对比了改进深度网络对不同轴承、工况、故障生成模式、故障程度的辨识能力,结果表明该网络具有更高的分类准确率和更快的收敛速度.
文献关键词：
深度学习;迁移学习;故障诊断;半监督学习;无标签数据;轴承
中图分类号：
作者姓名：
邢晓松;郭伟
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]邢晓松;郭伟-.基于改进半监督生成对抗网络的少量标签轴承智能诊断方法)[J].振动与冲击,2022(22):184-192
A类：
B类：
半监督生成对抗网络,轴承,智能诊断方法,在线监测,无标签数据,生成器,分类器,对抗学习,特征匹配算法,深层特征,特征优化,络损,损失值,网络收敛速度,半监督学习,四组,迁移学习,进深,深度网络,同轴,生成模式,故障程度,分类准确率
AB值：
0.254717
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。
