科研之友
微信
新浪微博
Facebook
分享链接
摘要
为解决高压共轨柴油机在故障诊断时因故障样本获取成本较高或故障样本获取难度较大造成的故障诊断训练样本不足问题，提出了一种使用基于数据增强的小样本学习方法与基于GA＿BP神经网络的故障诊断方法的高压共轨系统小样本故障诊断方法．针对高压共轨小样本故障诊断的特性，使用最小二乘—生成式对抗神经网络(LSGANs)进行训练集的数据合成，提高了合成数据的质量与多样性，3种故障状态的合成数据与真实数据集的平均地球搬运距离为2.25，在小样本集上的平均诊断正确率可达95.53%．试验结果表明：本故障诊断方法在解决小样本故障诊断问题时，生成合成数据质量更高、多样性更强及普适性强，可以合成多种状态的轨压信号．
-
单位机电工程学院; 中北大学
