时变转速下基于双阈值注意力生成对抗网络和小样本的转子-轴承系统故障诊断

作     者：邵海东 李伟 刘翊 杨斌 HAO Haidong;LI Wei;LIU Yi;YANG Bin

作者机构：湖南大学机械与运载工程学院长沙410082 国家先进轨道交通装备创新中心株洲412000 株洲中车时代电气股份有限公司株洲412001 

出 版 物：《机械工程学报》 (Journal of Mechanical Engineering)

年 卷 期：2023年第59卷第12期

页      面：215-224页

核心收录：

学科分类：08[工学] 0802[工学-机械工程] 080201[工学-机械制造及其自动化] 

基　　金：国家自然科学基金(51905160) 湖南省自然科学基金优秀青年科学基金(2021JJ20017) 国家重点研发计划(2020YFB1712100)资助项目 

主　　题：双阈值注意力生成对抗网络 故障诊断 时变转速 小样本红外热成像 转子-轴承系统 

摘      要：可用故障数据的匮乏给时变转速下转子-轴承系统的端到端故障诊断带来严重挑战,生成对抗网络为解决小样本故障诊断问题提供新思路,但其仍存在梯度消失、全局关联特征学习能力较弱和训练效率较低等缺点。因此,提出一种双阈值注意力生成对抗网络,用于生成高质量的红外热成像图片,以解决时变转速下转子-轴承系统的小样本故障诊断难题。首先,结合Wasserstein距离和梯度惩罚设计新型对抗损失函数,避免训练过程中的梯度消失。其次,构建注意力嵌入的生成对抗网络以指导学习红外热成像图片的全局热力关联特征。最后,开发双阈值训练机制进一步提高生成样本质量和训练效率。将所提方法用于分析转子-轴承系统的实测红外热成像图片,结果表明,所提方法能辅助准确诊断时变转速及小样本下的不同故障模式,性能优于目前常用的生成对抗网络方法。