一种基于改进GAN和ResNet的电动汽车电机轴承故障诊断方法

摘要

本发明属于电动汽车电机故障诊断与健康管理技术领域，提供了一种基于改进GAN和ResNet的电动汽车电机轴承故障诊断方法。首先对轴承振动信号进行离散化处理并构建实际场景中的不平衡数据集；再通过引入类别标签和使用Wasserstein距离构造损失函数改进了对抗生成网络，生成更具类别特征的数据以解决数据集不平衡的问题；最后，将带有生成数据和真实数据的平衡数据集输入故障诊断网络，通过在诊断网络中构造多尺度残差注意力卷积块以解决深层网络训练的梯度消失问题并学习多尺度深层特征。本发明针对解决真实场景中故障数据难以收集导致的数据集不平衡和复杂工况下有效特征难以提取的问题，生成的数据更贴近真实数据，使得模型能提取到有效的多尺度深层特征。