来源：期刊VIP网 时间：
作者：金毓林;陈长征;罗园庆;张品杨;
单位：沈阳工业大学机械工程学院;
摘要：滚动轴承在实际工作中的故障数据较难获取。在基于深度学习的故障诊断中，数据不足会导致卷积神经网络模型的泛化能力较差。针对此问题提出了一种基于Wasserstein距离的生成对抗网络同半池化的卷积神经网络结合的故障诊断方法。首先，将原始的一维时域信号转化为二维矩阵形式，训练生成对抗网络生成特征相似的二维矩阵。然后，将生成样本添加至训练样本集中扩充训练样本数量，来提高卷积神经网络模型的泛化能力。在分类过程，所采用的半池化的卷积神经网络有效的减少了训练时间。最后，使用轴承故障数据进行对比验证，结果表明所提出的方法能够有效提高在故障数据不足情况下的诊断精度。
关键词：故障诊断;;生成对抗网络;;卷积神经网络;;滚动轴承
基金资助：国家自然科学基金项目（51675350）
