基于生成式对抗卷积自编码器的滚动轴承故障诊断

作者：范旭; 周强^*; 于忠清

来源：工业技术创新, 2021, 08(04): 94-103.

DOI：10.14103/j.issn.2095-8412.2021.08.015

• 滚动轴承故障诊断
• 生成式对抗网络
• 卷积自编码器
• GAN-CAE
• 格拉姆矩阵图

工业系统故障诊断方法在不断研究中。针对复杂工况下的工业数据缺乏足够的表示能力,且在数据样本不平衡时难以获得满意的诊断效果的问题,提出了生成式对抗网络(GAN)和卷积自编码器(CAE)相融合的GAN-CAE滚动轴承故障诊断方法。首先,采用格拉姆求和角场(GASF)算法构造振动信号的格拉姆矩阵图;然后,通过生成器网络G-NET和判别器网络D-NET学习格拉姆矩阵图的特征;最后,利用不同样本在CAE中重构水平的差异进行异常检测与分类。通过凯斯西储大学(CWRU)的轴承数据集对该方法进行验证,结果表明:针对不平衡数据集,正常样本得分在0.8和1之间,比未融入对抗训练的CAE,以及BP、SVM等浅层机器学习算法具有更好的精确度、收敛速度和鲁棒性。GAN-CAE在滚动轴承故障诊断中的试验,为深度学习在工业系统故障诊断领域中的应用提供了新思路。

• 单位
  青岛大学