基于双向生成对抗网络的滚动轴承智能诊断方法(英文)

作者：张皓; 谷立臣^*; 郭子辰

来源：Journal of Measurement Science and Instrumentation, 2023, 1-13.

• 滚动轴承
• 故障诊断
• 双向生成对抗网络(BiGAN)
• 卷积神经网络
• 数据不平衡

滚动轴承是旋转机械中的关键部件，直接影响设备的可靠性。人工智能的发展在轴承故障诊断领域取得了令人瞩目的成就。然而，滚动轴承数据集的不平衡（正常样本远丰富于故障样本）会导致诊断模型精度低。为了解决这个问题，提出一种基于双向生成对抗网络(Bidirectional generative adversarial network， BiGAN)的故障诊断方法。首先，通过集合经验模式分解对信号进行去噪，使其自动分配到一个合适的参考尺度，并避免模态混叠。其次，构建含有梯度惩罚项BiGAN模型，利用单样本离差标准化方法稳定模型训练过程，实现故障样本扩充。最后，基于增强的训练集，建立具有批归一化、最大池化层的卷积神经网络诊断模型。实验结果表明，该方法提高了故障诊断的准确性和鲁棒性。

• 单位
  机电工程学院; 西安建筑科技大学