基于格拉姆角場(chǎng)與深度卷積生成對(duì)抗網(wǎng)絡(luò)的行星齒輪箱故障診斷

摘要： 針對(duì)行星齒輪箱故障診斷中樣本分布不均衡所引起的模型泛化能力差及診斷精度低等問(wèn)題，采用格拉姆角場(chǎng)圖像編碼技術(shù)和深度卷積生成對(duì)抗網(wǎng)絡(luò)相結(jié)合進(jìn)行數(shù)據(jù)增強(qiáng)，融合AlexNet卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行故障診斷。將采集到的一維振動(dòng)信號(hào)轉(zhuǎn)化為格拉姆角場(chǎng)圖，按比例劃分訓(xùn)練集與測(cè)試集，將訓(xùn)練集樣本與隨機(jī)向量輸入到深度卷積生成對(duì)抗網(wǎng)絡(luò)模型中，交替訓(xùn)練生成器與判別器，達(dá)到納什平衡，生成與原始樣本類(lèi)似的生成樣...