电静压伺服机构小样本数据故障诊断方法研究

作者：杨高朋; 岑恩杰; 陈换过; 陈培; 肖雪; 徐淼; 刘培君

来源：传感技术学报, 2022, 35(06): 778-784.

• 电静压伺服机构
• 故障诊断
• 小样本
• 迁移学习
• 数据增强
• 生成对抗网络

为解决电静压伺服机构(Electro-Hydrostatic Actuator, EHA)小样本故障诊断准确率低的问题，提出了一种将迁移学习与生成对抗网络相结合的故障诊断方法(Transfer-WDCGAN)。首先用生成对抗网络(GAN)生成与EHA试验数据相似的数据集作为源域，利用迁移学习提取源域和试验数据的共同特征，并得到预训练模型；然后将预训练模型与WDCGAN结合进行微调，对电静压伺服机构试验数据进行数据增强；最后分别采用MMD距离和3种故障诊断结果评价指标对所提故障诊断方法进行评价。结果表明：相比于WDCGAN数据增强模型，文章所提模型生成样本特征更逼近于真实数据，其中最优故障诊断模型SDAE故障诊断结果准确率由79%提高到了90%,有效解决了基于WDCGAN故障诊断模型过拟合、准确率低的问题。

• 单位
  浙江理工大学; 北京精密机电控制设备研究所