基于生成对抗网络与个性机理模型的旋转机械故障诊断方法

在工业生产中,由于故障数据缺失会导致诊断模型构建困难,针对这一问题,提出了一种基于生成对抗网络(GAN)与个性机理模型(MCGM)的旋转机械故障智能诊断方法。首先,采用源域数据完成了对目标域数据的领域自适应,提取出了源域中反映设备故障状态的共性参数,并依据GAN构建了其分布模型;然后,从构建好的分布模型中提取出共性参数,并结合MCGM与目标域正常状态数据,生成了目标域虚拟故障样本,通过虚拟故障样本与目标域正常状态样本训练,得到了目标域故障诊断模型;最后,采用标准数据集与实验室轴承数据,对基于生成对抗网络(GAN)与个性机理模型(MCGM)的旋转机械智能诊断方法进行了验证。研究结果表明:基于GAN-MCGM的旋转机械智能诊断方法在诊断任务中的平均准确率达到了92.5%,平均准确率相较其他对比方法有显著提高。