基于LSGAN-LSTM的齿轮故障诊断
刘杰
郑洋
沈阳工业大学 机械工程学院, 沈阳 110870
摘要：针对难以获取足量样本数据的齿轮故障诊断率低的问题,提出一种基于最小二乘生成对抗网络(LSGAN)结合长短期记忆网络(LSTM)的方法.将齿轮的原始样本输入LSGAN模型中,通过对生成网络和判别网络的交替训练,学习出不同状态的样本数据,从而实现数据增强,通过生成样本结合原始样本训练LSTM诊断模型,完成小样本下的故障诊断.以康狄涅格大学的齿轮实验数据为例对所提方法进行验证,结果表明,与传统方法相比,诊断准确率提高至 98.3%.通过可视化方法显示出诊断方法的优越性,为小样本条件下的故障诊断提供参考.
关键词：最小二乘生成对抗网络长短期记忆网络故障诊断小样本数据增强深度学习齿轮可视化
分类号：TP183(自动化基础理论)
资助基金：辽宁省教育厅项目(LQGD2020016)
论文发表日期：2023-07-25
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：6( 436-441 )
英文信息