基于L-DCGAN的风机齿轮箱时序温度数据生成模型

摘要

针对DCGAN网络生成的数据独立同分布无法很好地生成随时间演变自相关特性数据的问题,文章在原有网络上加入处理时序数据有着良好表现的LSTM网络构建新的生成网络和判别网络,得到改进的生成对抗网络L-DCGAN。在利用CNN自适应特征提取能力提高数据质量的同时,利用LSTM融合输出变量与其他输入变量在时间维度上的时序关联性,从而准确追踪数据的时间变化趋势,生成具有时间自相关特性的数据。以风机实际运行数据对模型进行验证,同时利用统计学以及结构相似性指标分别对DCGAN以及本文模型生成数据的真实性和相似性进行评估,评估结果表明,本文模型能够生成更加准确且相关性更高的数据。