基于WGAN-div和DLA34模型的軸承故障智能診斷新方法

摘要： 針對實(shí)際工業(yè)場景中設(shè)備長時(shí)間運(yùn)行于正常運(yùn)行狀態(tài)，故障樣本不易獲得且采集到的樣本種類不平衡，導(dǎo)致以數(shù)據(jù)為驅(qū)動(dòng)的深度智能診斷模型性能退化的問題，提出一種基于生成對抗網(wǎng)絡(luò)(WGAN-div)和深度卷積神經(jīng)網(wǎng)絡(luò)DLA的兩階段處理模型。利用WGAN-div生成故障樣本，實(shí)現(xiàn)樣本間的類平衡，將平衡后的數(shù)據(jù)集送入DLA34網(wǎng)絡(luò)中進(jìn)行特征提取和故障分類。DLA34以其特殊的聚合結(jié)構(gòu)能夠融合各層... （共12頁）