基于改进ACGAN的滚动轴承样本不平衡故障诊断方法
王荣振
徐峥
卓帅
俞啸
高伟山
中国矿业大学 信息与控制工程学院,徐州 221008;中国矿业大学 矿山互联网应用技术国家地方联合工程实验室,徐州 221008;中国矿业大学 物联网(感知矿山)研究中心,徐州 221008
摘要：[目的]数据驱动故障诊断方法在滚动轴承故障诊断中经常面临样本不平衡问题.针对该问题提出一种基于改进辅助分类器生成对抗网络(Auxiliary Classifier Generative Adversarial Network,ACGAN)的样本类别不平衡扩充方法——基于全局注意力机制的独立分类器的生成对抗网络(Global Attention Mechanism Independent Classifier Generative Adversarial Network,GAMICGAN).[方法]首先,引入全局注意力机制和八度卷积,使得生成网络能够充分关注到时频图中的空间、通道、维度信息、高低频分量信息,以提高生成网络对指定类别样本的生成质量;其次,针对变工况场景下传感数据分布差异导致的诊断模型准确率下降问题,提出一种联合分布域对抗神经网络的轴承故障域适应诊断方法,设计了基于全局注意力残差网络的骨干网络结构;最后,利用联合最大均值差异度量对源域和目标域间的边缘分布差异和条件分布差异进行量化,实现了变工况场景下的轴承故障诊断.[结果]结果表明,所提方法在样本不平衡的变工况应用中可以保持较高的诊断准确率,具有较好的复杂场景适应能力.
关键词：故障诊断ACGAN样本不平衡域适应变工况
分类号：TH133.3(机械零件及传动装置)TP181(自动化基础理论)
资助基金：国家自然科学基金(52304181)江苏省自然科学基金(BK20231060)中国矿业大学研究生创新计划项目(2024WLJCRCZL138)江苏省研究生科研与实践创新计划项目(KYCX24_2765)
论文发表日期：2026-07-15
在线出版日期：2026-09-12（本平台首次上网日期，不代表文献的发表时间）
页数：13( 163-174,184 )
英文信息