基于改进辅助分类生成对抗网络的风机主轴承故障诊断

摘要

基于振动信号的风电机组故障诊断方法是风电安全运维领域研究的重点之一.风电机组主轴承较少发生故障,给运用数据挖掘方法判断故障类型带来很大困难.针对该问题,文中提出了一种用于风电机组主轴承故障诊断的数据增强方法.通过对辅助分类生成对抗网络(ACGAN)的适应性进行改进,引入梯度惩罚,构建了改进ACGAN框架,以提高其学习稳定性;在判别器网络中引入池化层,以提升其在多分类场景下提取数据特征的能力.仿真结果表明,所提出的改进ACGAN框架能够实现对原始数据分布特征的有效学习,抗噪声干扰性强,相对于原框架训练过程更稳定,生成数据的质量更高;能够有效平衡风电机组主轴承故障振动数据,进一步提升了风电机组主轴承故障诊断的正确率.