论文部分内容阅读
数据类别不平衡对轴承故障的诊断有很大影响,而生成对抗网络(Generate Adversarial Net)作为最热门的神经网络之一,在数据生成方面有巨大优势,对解决数据不平衡问题有很大帮助.通过GAN的生成器G和判别器D使生成数据无限接近于真实数据,而且数据分布与真实数据类似.再利用卷积神经网络(Convolutional Neural Networks)中的诊断分类对GAN生成的数据进行验证.利用西安交通大学的轴承数据集作为不平衡数据样本所做实验表明:由GAN模型生成的数据与真实数据的差别很小,能够有效解决实验样本数据量不足,种类不全,数据偏差较大等问题.