科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对深度学习存在的数据不足、质量不高的问题，将自编码网络的训练稳定特性和生成对抗网络的对抗特性相结合，提出了双重对抗自编码(CAAE)数据扩张方法，并将其应用到永磁同步电机(PMSM)故障诊断中．在模型训练过程中，利用网络模型学习原始数据的分布，将压缩后的变量和解码后的重构数据分别输入到对应的判别器，形成双重对抗，保证生成数据的质量．训练完成后，将满足特定分布的随机变量和类别标签输入到训练后的网络模型，即可生成相应类别的数据．以电机匝间短路为例，在自建电机数据集上，通过双重对抗自编码进行故障数据扩张，根据各项指标的提升验证模型的有效性．结果表明：与传统数据扩张方法对比，双重对抗自编码生成的数据质量更高，能够提高诊断准确率．
- 单位
