针对切割锯片磨损状态识别的小样本问题，构建了一种基于数据增强及注意力网络的识别模型。首先搭建了磨损实验平台，并采集了振动信号，通过小波包分解对振动信号进行了去噪，然后使用K近邻模型作为评分标准优化了生成对抗网络（GAN），并基于K-GAN模型扩充了数据集，分析了生成数据与真实数据的时、频域相似度，表明生成数据与真实数据高度相似。使用注意力网络进行了磨损状态识别，识别准确率达到97.5%，并与优化前的模型进行了对比分析，结果表明本文模型性能优于优化前的模型。
科研之友
微信
新浪微博
Facebook
分享链接
