基于CWGAN-GP与CNN的轴承故障诊断方法

作者：江蕾; 唐建^*; 杨超越; 吕婷婷

来源：计算机与现代化, 2023, (07): 1-6.

• 故障诊断
• 深度学习
• 轴承
• 生成对抗网络
• 卷积神经网络

针对在实际工作过程中轴承故障样本数偏少且不均衡的问题，提出一种基于条件Wasserstein生成对抗网络（CWGAN-GP）和卷积神经网络（CNN）的轴承故障诊断方法。首先，通过结合条件生成对抗网络（CGAN）和基于梯度惩罚Wasserstein距离的生成对抗网络（WGAN-GP），构建CWGAN-GP生成对抗网络；然后，将少量轴承故障的数据样本输入CWGAN-GP中，以得到与原始样本相似的高质量样本，待网络达到纳什均衡时将生成样本和原始样本混合，产生新的样本集；最后，将新样本集输入卷积神经网络学习样本特征进行故障诊断。实验结果表明，本文提出的诊断方法准确度超过99%，高于其他诊断方法，有效提高了诊断精度，增强了其泛化能力。

• 单位
  野战工程学院; 中国人民解放军陆军工程大学