作者：徐林; 郑晓彤; 付博; 田歌轴承连续小波变换时频图半监督学习故障诊断
摘要：提出一种基于改进GAN(生成对抗网络)的滚动轴承故障诊断方法,以振动信号作为主要依据,结合连续小波变换处理非平稳信号的能力和半监督生成对抗网络(semi-supervised generation adversarial networks,SSGAN)处理和识别图像的功能,在半监督生成对抗网络的基础上引入条件模型并对损失函数进行优化,指导生成器和判别器的训练.首次将改进GAN算法应用于故障诊断领域并利用其生成模型和半监督学习能力分别解决了样本数据不足和样本标记问题.实验表明,连续小波变换与改进GAN结合的故障诊断方法与其他主流诊断方法相比能达到较高准确率.
注：因版权方要求，不能公开全文，如需全文，请咨询杂志社
《东北大学学报·自然科学版》（CN：21-1344/T）是一本有较高学术价值的大型月刊，自创刊以来，选题新奇而不失报道广度，服务大众而不失理论高度。颇受业界和广大读者的关注和好评。 《东北大学学报·自然科学版》的办刊方针是：发挥东大优势，反映东大水平，体现东大特色，扩大东大影响。主要栏目有:材料与冶金、信息科学与工程、资源与土木工程、机械工程、管理科学、数理化力学等。
杂志详情
