不平衡样本下基于GAN的风机叶片开裂状态识别方法

作者：张玉彦; 张永奇; 孙春亚; 王昊琪; 文笑雨; 乔东平; 闫新宇; 李浩

来源：计算机集成制造系统, 2022, 1-21.

• 不平衡样本
• 风机叶片
• 样本增强
• GAN
• 开裂识别

针对风机叶片开裂状态样本少、识别率低的问题，提出了基于生成式对抗网络(Generative Adversarial Networks， GAN)的开裂状态样本增强方法，提高识别率。以经验风险分类模型为对象，从理论角度对不平衡样本问题进行了深入分析，设计了满足开裂样本生成与判别的GAN网络模型，引入批量归一化保障特征服从标准正态分布，加速网络训练过程收敛。在36个UCI基准数据集上对所提方法进行了测试，以神经网络作为分类器，以F1值、Recall、Precision为度量指标，结果表明增强后的结果更好。进一步，以真实的风机叶片开裂数据进行实验，以逻辑回归及神经网络为分类器，结果表明相较于原始不平衡样本，增强后的结果分别提升了13.88%、8.20%。与SMOTE和ADASYN算法进行对比，结果显示在以上两种分类器下分别提高了74%、11%和19%、23%。