基于集成GAN的旋转机械故障诊断方法研究

摘要

旋转机械运行工况不稳定、故障类型多样,振动信号中所含的信号成份较为复杂,传统的故障诊断方法难以满足实际需求,利用大数据和神经网络技术实现旋转机械的故障诊断已经成为当前的研究热点。针对神经网络过拟合现象,提出一种基于生成对抗网络(GAN)的旋转机械故障诊断集成方法。首先利用小波变换将振动信号转换为小波时频图,然后搭建5组生成对抗网络分别对应旋转机械的5种运行状态,利用对抗训练机制进行预训练,减轻网络过拟合,再利用所有训练样本数据分别对每组判别器进行增强训练,最后综合各判别器的输出结果预测旋转机械的运行状态。实验表明,本文方法能够准确识别旋转机械的常见故障类型。