基于生成对抗网络的轴承故障诊断方法研究

发布时间：2020-04-02 02:20

【摘要】：当前,基于深度学习的故障诊断得到了广泛的应用。就基于卷积神经网络的故障诊断分类方法而言,带标记的数据量越大,网络训练的特征的表征性越强。但是,在实际的工业生产中,数据的标记是一个人工过程,需要耗费大量的人力和时间成本。因此,通常无法获得大量的带标记样本,这导致了小样本问题和半监督问题。本文采用生成对抗网络,系统研究了小样本问题和半监督问题,以及数据的预处理,并进行了实验验证。提出了面向故障数据的基于生成对抗网络的故障分类方法,该方法采用了信号转图像的预处理方法,在降噪的同时最大限度地保留故障数据的信息。该方法在凯斯西储大学的轴承数据集上达到了99.996%的分类精度,验证了所提方法的可行性。针对小样本问题,本文利用生成对抗网络的样本生成特性,模拟并生成与标记数据具有相同数据分布的样本,拓展样本量,提高最终的分类精度。针对生成对抗网络在少量标记样本下的训练不平衡问题,提出了阈值控制方法,通过在训练过程中动态地调整生成器和判别器的训练关系,稳定网络训练,加速网络收敛。该方法在凯斯西储大学的轴承数据集上达到了99.96%的分类精度,验证了所提方法的可行性。针对半监督问题,本文利用未标记样本中的数据信息辅助分类。判别器的输入包含生成器生成的样本、无标记真实数据和有标记真实数据三个部分,判别器的输出由原来的K维拓展为K+1维。判别器和生成器的损失函数在原来的有监督损失的基础上,加入了无监督损失,使得网络可以利用无标记数据中的信息辅助分类。该方法在凯斯西储大学的轴承数据集上达到了100%的分类精度,也验证了所提方法的可行性。最后,对全文的主要工作进行了总结,并展望了未来值得进一步研究的方向。
【图文】：

图 1-1 本文的主要工作本文的主要结构为：第一章介绍了研究背景以及意义，并分别对故障诊断和生成对抗网络的现状进行了介绍和分析；第二章介绍了生成对抗网络的原理，基于模型和基于损失函数的改进网络，并引出了本论文使用的模型基础；第三章介绍了面向故障数据的基于生成对抗网络的故障诊断方法，，并在公开的标准数据集上验证了方法的可行性；第四章介绍了小样本模式下生成对抗网络模型的建立以及求解过程，并对方法的有效性进行了验证；第五章介绍了半监督模式下生成对抗网络模型的建立以及求解过程，并对方法的有效性进行了验证；

2.1.1 生成对抗网络的基本框架图 2-1 GAN 的基本框架图GAN 的组成框架如图 2-1 所示。从图 2-1 可以看出，GAN 由两个部分组成：生成器和判别器，生成器的输入是随机的噪声 z，判别器的输入则是真实数据 x 以及生
【学位授予单位】：华中科技大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：TP277;TP183;TH133.3

【相似文献】

相关期刊论文 前10条

1 王卫新;;4G网络优化分析及其解决方案分析[J];数码世界;2017年05期

2 宁荻;配置网络参数的另外几种方法[J];电脑开发与应用;2004年04期

3 帷幄;如何防止网络参数被篡改[J];网络与信息;2002年02期

4 冯正和;宋涛;;空域网络与谱域网络[J];微波学报;1988年02期

5 ;看图调网络 CS中的客户端网络参数调校技巧[J];电子竞技;2005年Z1期

6 施永贵;王洪峰;唐加福;何晶晶;;多业务CDMA网络参数优化模型与算法[J];信息与控制;2012年04期

7 崔玉娜;晋晶晶;;无线网络参数修改管理办法探讨[J];电信工程技术与标准化;2014年04期

8 程耕国;;论用回归差分析网络参数的唯一性[J];武汉钢铁学院学报;1986年04期

9 姚宏亮;苌健;王浩;李俊照;;灵敏性分析下的因果网络参数的扰动学习研究[J];计算机科学与探索;2012年02期

10 ;控制网络的正确选择[J];机电信息;1998年05期

相关会议论文 前10条

1 段书凯;刘光远;;网络参数对混沌联想记忆特性的影响[A];第十一届全国信号处理学术年会（CCSP-2003）论文集[C];2003年

2 莫富强;王浩;姚宏亮;;动态贝叶斯网络参数学习算法的一种加速[A];中国仪器仪表学会第九届青年学术会议论文集[C];2007年

3 魏连成;;平衡网络参数测量方法研究[A];2017年全国微波毫米波会议论文集（中册）[C];2017年

4 董树义;赵永久;路宏敏;;微波规准网络参数拟合模型与CAT[A];1991年全国微波会议论文集（卷Ⅱ）[C];1991年

5 徐俭;;SDN叠加虚拟化网络技术探究[A];第18届全国互联网与音视频广播发展研讨会暨第27届中国数字广播电视与网络发展年会论文集[C];2019年

6 彭振宇;朱畅华;董树义;;传输型双六端口测量网络参数的优化方案探讨[A];1995年全国微波会议论文集（下册）[C];1995年

7 谭裴;薛伟;;一种基于物联网技术的能耗管理平台研究[A];2013年中国通信学会信息通信网络技术委员会年会论文集[C];2013年

8 石志侠;姚青山;张艾明;胡遵素;;复杂α谱的神经网络解谱技术[A];中国颗粒学会2002年年会暨海峡两岸颗粒技术研讨会会议论文集[C];2002年

9 武占宇;唐宗熙;张彪;;三端口矢量网络参数的测量[A];2005'全国微波毫米波会议论文集（第二册）[C];2006年

10 梁昌洪;张新军;;一类非均匀传输线网络参数的数值求解[A];1997年全国微波会议论文集(下册)[C];1997年

相关重要报纸文章 前9条

1 北京 阮征;远程修改网络参数[N];电脑报;2004年

2 李浩;巧用IP Changer修改TCP／IP网络参数[N];江苏经济报;2003年

3 ;Linux下设置基本网络参数四法[N];电脑报;2001年

4 魏大可;校园网络参数维护技巧之隐藏法[N];中国电脑教育报;2003年

5 珠海世纪鼎利通信科技股份有限公司;从“优化策略”实现突破[N];通信产业报;2012年

6 本报实习记者 贾冕;WiFi共享：是福是祸？[N];中国知识产权报;2013年

7 武君;网络优化因“段”制宜[N];通信产业报;2006年

8 江苏 陆亚军;网络优化利器 NetSupersonic[N];电脑报;2001年

9 记者 赵雅琪;“易优”有效解决TD网络优化难题[N];人民邮电;2009年

相关博士学位论文 前10条

1 黎伟;超密集网络高能效资源管理算法研究[D];电子科技大学;2019年

2 武晓宇;基于复杂网络的网络业务流建模与行为分析[D];北京邮电大学;2018年

3 吴泓润;复杂网络的建模及传播动力学研究[D];武汉大学;2018年

4 焦杨;复杂网络社区检测、链路预测及应用[D];西安电子科技大学;2018年

5 张川;复杂网络的若干控制同步问题研究[D];大连理工大学;2018年

6 周永权;泛函网络理论及其学习算法研究[D];西安电子科技大学;2006年

7 肖秦琨;基于动态贝叶斯网络的智能自主优化机制研究[D];西北工业大学;2006年

8 陈益平;下一代移动通信网络始终最佳连接服务关键技术研究[D];上海交通大学;2007年

9 魏宗文;重整化方法在复杂网络中的应用[D];中国科学技术大学;2017年

10 赵慧;复杂网络的若干同步控制问题研究及其应用[D];北京邮电大学;2017年

相关硕士学位论文 前10条

1 王婷婷;网络安全态势要素获取和预测技术的研究[D];重庆邮电大学;2019年

2 余德良;基于深度学习的移动网络流量态势预测[D];哈尔滨工业大学;2019年

3 徐翔;复杂网络中关键节点识别理论方法研究与应用[D];安徽工业大学;2018年

4 李可新;机会网络中基于深度学习的链路预测方法研究[D];内蒙古科技大学;2019年

5 曹思灿;基于生成对抗网络的轴承故障诊断方法研究[D];华中科技大学;2019年

6 韩昌辉;具有拓扑切换特性的复杂时空网络的指数同步研究[D];辽宁师范大学;2019年

7 樊星;融合多尺度卷积网络与域适应策略的交通标志识别[D];长安大学;2019年

8 杨_g;基于改进IDE网络的行人重识别[D];长安大学;2019年

9 威欢;5G网络切片架构及选择准入算法研究[D];重庆邮电大学;2018年

10 吴水土;LTE网络中终端功耗省电的研究与分析[D];上海交通大学;2016年

本文编号：2611304