信号分辨率增强的机械智能故障诊断方法研究

利用深度学习来增强数据集已成为各个领域的研究热点,即使用有限的数据集生成更多仿真的数据集。不同于目前主流的生成对抗网络算法及其变体算法,基于样本分辨率增强的思想,提出了一种简单有效的算法——高效亚像素全连接神经网络(ESPFCN)。ESPFCN的原理为:对原始输入样本进行全连接操作,经过隐层特征映射输出四通道的低分辨率特征;通过亚像素全连接层,将四通道的低分辨率特征进行周期性的排列,得到一组高分辨率特征,实现了样本分辨率的增强。设置了一组特殊的轴承实验来评估生成模型的性能,实验结果验证了ESPFCN框架的有效性,并通过可视化展示了ESPFCN的特征学习过程。