公开(公告)号：CN120084551A

公开(公告)日：2025-06-03

申请号：CN202510560371.3

申请日：2025-04-30

Applicant: 绍兴文理学院

Inventor： 李志超 ,  沈明学 ,  田莉 ,  方益明 ,  陈俊磊 ,  高双 ,  徐斌翔 ,  凌荣耀

IPC: G01M13/045 ,  G06F18/2415 ,  G06F18/27 ,  G06F18/21 ,  G06N3/0475 ,  G06N3/0464 ,  G06N3/094

Abstract: 本发明公开一种基于多尺度数据增强与集成的电机轴承故障诊断方法，包括：采集轴承正常运行状态和故障状态下的振动信号样本，并对其进行多尺度变换；将处理后的故障振动信号样本通过多尺度生成对抗网络，生成多尺度的生成故障样本，实现数据增强；利用增强后的轴承振动信号样本训练集成卷积神经网络模型；利用训练后的集成卷积神经网络模型进行故障诊断。本发明针对电机轴承数据不平衡和多尺度问题提出基于MSGAN数据增强与ECNN的电机轴承故障诊断方法，利用MSGAN生成多尺度样本实现数据增强，从而利于故障诊断模型的训练，同时利用ECNN以提高故障诊断精度。

公开(公告)号：CN120084552A

公开(公告)日：2025-06-03

申请号：CN202510560373.2

申请日：2025-04-30

Applicant: 绍兴文理学院

Inventor： 李志超 ,  沈明学 ,  方益明 ,  田莉 ,  高双 ,  陈俊磊 ,  徐斌翔 ,  凌荣耀

IPC: G01M13/045 ,  G06N3/0464 ,  G06N3/094 ,  G06F18/2415 ,  G06F18/214

Abstract: 本发明公开一种基于改进GAN数据增强的电机轴承故障诊断方法，包括：采集轴承正常运行状态和故障状态下的振动信号样本；将故障振动信号样本输入至辅助分类相对论生成对抗网络，生成对应的生成故障样本，通过质量评估与筛选模块筛选出相似且多样的生成样本来平衡正常振动信号样本；利用平衡后的轴承振动信号样本训练第一层为宽卷积核的深度卷积神经网络模型；利用训练后的深度卷积神经网络模型进行故障诊断。本发明针对轴承数据不平衡问题提出一种辅助分类相对论生成对抗网络数据生成模型，使其在提高训练稳定性的同时，可以生成指定标签的数据，利用质量评估与筛选模块来筛选相似且多样的生成样本来构建平衡数据集，有利于诊断模型的训练。