关键词:
航空发动机
样本生成
数据稀缺性
数据不平衡
生成对抗网络
摘要:
针对实际航空发动机滚动轴承故障诊断应用中健康-故障数据不平衡的问题,提出一种结合梯度惩罚与辅助分类器的Wasserstein生成对抗网络(Wasserstein Generative Adversarial Network Gradiend Penalty,WGANGP)的增强诊断方法——预训练数据增强-WGANGP(PDA-WGANGP)。首先,模拟实际情况,利用健康数据和少量故障数据对网络进行预训练;其次,将训练好的网络结构和参数作为判别器和分类器的前端特征提取层;最后,通过引入残差网络,构建一个全新的生成器,从而稳定地生成高品质的故障样本,平衡测试数据集,完成网络结构的优化训练。通过对滚动轴承开展不平衡数据下的诊断应用与验证,证明了PDA-WGANGP在样本生成和高效诊断中的可行性,以及相较于同类方法的诊断性能优越性。