来源：期刊VIP网 时间：
作者：郝旺身;冀科伟;杜应军;韦广;
单位：郑州大学机械与动力工程学院;叶县国博大石崖风力发电有限公司;
摘要：针对实际设备运行中轴承故障样本往往比较匮乏，传统的人工智能算法越来越难以满足实际情况故障诊断需要的问题，提出了一种改进的生成对抗神经网络模型，并结合迁移学习提出了一种智能故障诊断方法。该方法将机械故障时所采集的原始数据与大量源域数据通过生成对抗网络中得到大量与原始数据相似的新样本数据，然后从新样本数据中学习特征优化神经网络的参数，并通过样本的分布相应的调节神经网络的结构，最后，将部分原始故障数据输入已训练好的神经网络，得到诊断结果。实验结果表明，所提方法较传统的深度学习和迁移学习在诊断准确率上分别提高了28.10%和24.42%，能够为实际制造中轴承故障诊断任务提供可行的解决方案。
关键词：轴承故障;;样本生成;;迁移学习;;生成式对抗网络;;卷积神经网络
基金资助：河南省科技攻关项目（202102210075）
