科研之友
微信
新浪微博
Facebook
分享链接
摘要
本发明公开了一种基于半监督学习深度对抗网络的故障诊断方法,获取不同工作故障下轴承的振动信号,将故障轴承的振动时域信号进行小波变换为二维图像；通过生成对抗网络对少量有标签的数据进行监督学习,对大量无标签的数据进行无监督训练,用卷积神经网络提取高维特征实现数据的分类,从而识别轴承的故障类别。本发明实现了在有限的带标签数据的情况下训练得到高精度的故障诊断模型,得到更准确的判别器,从而能够基于滚动轴承的振动信号进行精准故障诊断。
- 单位
本发明公开了一种基于半监督学习深度对抗网络的故障诊断方法,获取不同工作故障下轴承的振动信号,将故障轴承的振动时域信号进行小波变换为二维图像；通过生成对抗网络对少量有标签的数据进行监督学习,对大量无标签的数据进行无监督训练,用卷积神经网络提取高维特征实现数据的分类,从而识别轴承的故障类别。本发明实现了在有限的带标签数据的情况下训练得到高精度的故障诊断模型,得到更准确的判别器,从而能够基于滚动轴承的振动信号进行精准故障诊断。
