基于SA-DCGAN的小样本滚动轴承故障诊断

【摘要】 基于小样本的滚动轴承故障诊断方法已成为研究的热点问题之一，本文基于小样本问题提出一种基于注意力机制改进的深度卷积生成对抗网络（Self-Attention Deep Convolutional Generative Adversarial Network,SA-DCGAN）样本扩充方法。首先将一维振动信号通过格拉姆角场（Gramian Augular Fields,GAF）转化为二维图像，然后将转化得到的二维图像通过SA-DCGAN完成样本扩充，最后将不同扩充样本量下的数据进行分类并查看分类效果。通过试验验证，本文提出的故障诊断方法在样本量扩充至5倍后模型稳定且准确率由未扩充前的73%提升至99%。更多还原