基于多传感器的不平衡数据轴承故障诊断

作者：董逸凡; 文传博^*; 王正

来源：轴承, 2023, (10): 77-83.

DOI：10.19533/j.issn1000-3762.2023.10.012

• 滚动轴承
• 故障诊断
• 多传感器
• 生成对抗网络
• 损失函数
• 鉴别器
• 分类器

针对轴承故障数据类别不平衡导致诊断模型精度下降的问题，使用多传感器数据丰富数据特征，同时从数据增强和损失函数两方面着手，提出一种基于多传感器的不平衡数据轴承故障诊断方法。首先，设计一种多通道的带辅助分类器的生成对抗网络(ACGAN),利用独特的鉴别-分类结构生成高质量的多传感器数据以补充原始数据集；然后，提出一种改进的均值焦点损失函数(m-Focal Loss),将不平衡问题转化为样本的难易分类问题，根据难易程度进行加权，从而进一步提高诊断精度；最后，将一维卷积神经网络(1DCNN)作为分类网络，在凯斯西储大学(CWRU)轴承数据集和实验室数据集上进行消融试验。结果表明：使用多传感器数据可以有效抑制不平衡数据带来的精度下降问题，加入ACGAN所生成的样本可大大提高不平衡数据下轴承故障诊断模型的精度。

• 单位
  电气学院; 上海电机学院