不平衡数据集下优化WGAN的风电机组齿轮箱故障诊断方法

作     者：苏元浩 孟良 许同乐 孔晓佳 兰孝升 李云凤 Su Yuanhao;Meng Liang;Xu Tongle;Kong Xiaojia;Lan Xiaosheng;Li Yunfeng

作者机构：山东理工大学机械工程学院淄博255049 

出 版 物：《太阳能学报》 (Acta Energiae Solaris Sinica)

年 卷 期：2022年第43卷第11期

页      面：148-155页

核心收录：

学科分类：08[工学] 0802[工学-机械工程] 0714[理学-统计学（可授理学、经济学学位）] 0701[理学-数学] 080201[工学-机械制造及其自动化] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：山东省自然科学基金(ZR2021ME221)。 

主　　题：风电机组 齿轮箱 生成对抗网络 遗传算法 峭度 半监督学习 故障诊断 

摘      要：针对不平衡数据集下风电机组齿轮箱故障诊断准确率低以及故障特征不明显的问题,提出峭度指标与遗传算法优化Wasserstein距离生成对抗网络(WGAN)的故障诊断方法。首先将峭度指标作为语义标签映射到卷积层规格化故障特征,其次在反卷积网络中对宏基因组二进制编码并权重初始化,然后对不平衡样本集进行多点交叉和高斯近似变异,重点搜索局部故障点,最后将峭度作为有标签的负例输入判别器网络,重构反卷积和VGG神经网络提高权重剪裁,使WGAN网络成为半监督学习模型,正向判断更新权重并输出诊断结果。实验表明:该方法在不平衡数据集下诊断准确率达到98.69%,拥有更高的泛化能力和特征提取能力,实现了故障特征的增强。