基于多传感器数据融合及GAN的齿轮箱故障诊断方法
杨星宇
宋春生
吴啸阳
武汉理工大学 机电工程学院,武汉 430070
摘要：针对数据集不平衡条件下基于多传感器数据的齿轮箱故障诊断分析问题,提出一种基于峭度指标数据融合及生成对抗神经网络(Generative Adversarial Neural Network,GAN)的齿轮箱故障诊断方法.首先,基于信号峭度对多个传感器数据进行加权融合,使融合后的信号中突出齿轮箱的故障敏感成分;其次,利用小波包变换提取信号各频段的能量系数作为信号特征;最后,基于反向传播(Back Propagation,BP)神经网络实现信号特征的分类与识别.由于实际工况中,故障信号较正常信号更不易获取,所以采用GAN对数据集中故障数据部分进行扩展,并采用扩展后的数据集训练BP神经网络.试验分析表明,所述方法故障准确率高达98%,验明了所提方法的正确性,为多传感数据融合及故障诊断问题提供了新的思路与方法.
关键词：多传感器数据融合故障诊断GAN
分类号：S611(苗圃学)
论文发表日期：2025-06-15
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：11( 37-47 )
英文信息