激光与红外

作者：周建民

单位：1.华东交通大学 江西省载运工具与装备重点实验室,江西 南昌 330000；2.华东交通大学 机电与车辆工程学院,江西 南昌 330000；；

关键词：滚动轴承;故障诊断;不平衡数据集;生成对抗网络

针对实际工程应用中由于滚动轴承故障状态出现的时间很短而导致数据集不平衡难以采用深度学习算法进行故障诊断的问题,提出了一种基于Wasserstein距离的梯度惩罚生成对抗网络(WGAN GP)和基于支持向量机分类的卷积神经网络(CNN SVM)相结合的滚动轴承故障红外诊断方法。从红外热像图中构建不平衡数据集,通过采用WGAN GP对不平衡数据扩充以达到数据集均衡,之后将CNN SVM模型应用于数据集,提取样本深度特征完成故障分类。实验表明,WGAN GP与CNN SVM相结合的模型在不平衡数据集下表现良好,相较于其他模型有更好的故障诊断能力,并且在故障分类阶段的用时可减少1689以上。

来源：2024年第3期

《激光与红外》期刊编辑部

查看激光与红外杂志2024年第3期