检索结果-南通市图书馆

检索条件"主题词=样本类均衡"

共 1 条记录，以下是1-10 订阅

全选清除本页清除全部题录导出标记到"检索档案"

详细简洁

排序：

小样本条件下基于深度学习的轴承故障诊断方法研究

小样本条件下基于深度学习的轴承故障诊断方法研究

引用

作者：李靖宇太原科技大学

学位级别：硕士

在现代工业生产活动中,滚动轴承的应用极为广泛,它们在各类工业设备中扮演着不可或缺的角色。轴承作为旋转机械设备核心组件之一,其正常运行与否关乎整个机械系统的安全性能和生产效率。由于工业生产环境往往恶劣且多变,轴承很容易受到... 详细信息

在现代工业生产活动中,滚动轴承的应用极为广泛,它们在各类工业设备中扮演着不可或缺的角色。轴承作为旋转机械设备核心组件之一,其正常运行与否关乎整个机械系统的安全性能和生产效率。由于工业生产环境往往恶劣且多变,轴承很容易受到损坏。为了降低因滚动轴承故障而引发的损失,有效地检测和诊断滚动轴承的故障显得尤为关键。对于深度监督模型而言,训练样本的数目越多,种类越丰富,诊断的准确性和稳定性就越好。然而现实生产中机械设备通常处于正常运行状态,故障样本不易获得且采集到的样本种类并不均衡,这会导致以数据为驱动的深度智能诊断模型性能退化。基于上述背景,本文将从数据增强及算法改进两个层面出发,以滚动轴承为研究对象,以生成对抗网络和卷积神经网络为基础模型,对滚动轴承故障数据的诊断方法开展研究工作。具体研究内容如下:(1)针对工业生产中故障数据难以获取且获取到的数据类型不均衡的现实背景,提出一种基于WGAN-div的数据增强方法。WGAN-div引入了Wasserstein Divergence,对WGAN的理论在数学上进行了严格规范,取消了K-Lipschitz强限制性条件,极大提高了训练稳定性。具体来说,首先利用WGAN-div对凯斯西储大学(Case Western Reserve University,CWRU)轴承故障数据集进行伪样本生成,并以GAN、DCGAN和WGAN为对照,实验结果表明,所提模型WGAN-div能生成与原始样本高度相似的生成样本,指数性能均优于另外三种生成模型。其次,设置训练集伪样本占比为0%、20%、50%、70%的数据集组,分别由上述四种生成模型所生成的伪样本完成数据集组的配置。最后利用HOG-SVM和2DCNN完成故障分类,实验结果表明,在采用WGAN-div生成数据均衡的数据集下所训练的神经网络,其诊断准确率均高于其他生成对抗模型。(2)针对故障信号本身是高维的非线性数据的特点,而传统故障诊断模型存在依赖专家知识、浅层模型对于非线性数据的特征提取能力不够等缺陷,提出使用DLA34模型进行故障诊断。DLA34以其特殊的聚合结构能够融合各层的语义和空间信息,能够实现更深的信息共享。利用CWRU故障数据集进行验证,实验结果表明,相较于HOG-SVM、2DCNN、XUnet、LIUnet、Googlenet和SEnet网络,由DLA34完成的故障识别,其准确率在所设不均衡数据集上均达到100%,表现出强大的特征提取能力。此外,针对DLA34模型抵抗噪声能力较弱的问题,引入注意力机制的同时对DLA34模型参数进行改进,实验结果表明,改进后的DLA34模型抗噪声性能显著增强。

关键词：故障诊断样本类均衡 WGAN-div DLA34 注意力机制

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

全选清除本页清除全部题录导出标记到“检索档案”

共1页 << < 1 > >>

回到顶部

执行限定条件

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：