科研之友
微信
新浪微博
Facebook
分享链接
摘要
为解决管道阀门内漏的特征样本数据采集不足而导致故障难以诊断的问题，提出一种基于深度卷积生成对抗网络(DCGAN)与一维卷积神经网络(1DCNN)的管道阀门内漏故障诊断模型。首先通过Python中的Numpy和Pandas模块以及Matplotlib功能对阀门不同工况下的声发射信号小样本数据进行标准化和可视化预处理。其次，将预处理后的数据输入DCGAN中补偿生成增强数据集。然后，将混合数据集输入1DCNN模型中进行训练。最后，采用混淆矩阵进行模型性能评估。结果表明，生成数据集占比75%时，DCGAN-1DCNN模型平均F1分数达到0.97，与单一1DCNN模型诊断相比具有更高的精准率和召回率。
- 单位
