摘要
本发明涉及转子‑滑动轴承系统故障诊断技术领域,具体涉及一种基于机理和数据融合的转子‑滑动轴承系统故障诊断方法。本发明利用生成对抗网络生成一维样本数据而不是生成二维图片减少了信号中的隐藏信息的丢失;根据转子‑滑动轴承系统的故障机理构建非线性动力学模型,得到不同故障的仿真模拟信号,可以实现对缺少的故障数据的有效替代,从而实现在没有训练故障数据的情况下仍可以进行故障诊断;通过将机理仿真与基于数据驱动的生成对抗网络相融合实现在小样本且不均衡数据集在没有训练数据情况下的数据的有效生成,同时实现了故障机理与特征提取的映射,从而有效提升故障分类准确率,有助于解决故障诊断工程实际中的小样本、不均衡问题。
技术关键词
滑动轴承系统
故障诊断方法
生成对抗网络
深度卷积神经网络模型
转子
样本
轴心
数据
故障诊断工程
轨迹
图样
油膜振荡故障
非线性动力学模型
奇异值差分谱
矩阵
标签
轴颈
故障诊断技术
提纯
系统为您推荐了相关专利信息
压力预测方法
储氢气瓶
生成对抗网络
样本
超参数
光学镜片
噪声特征
粗糙度参数
光线追踪算法
混沌吸引子
工业物联网云平台
工业物联网数据
数据分析方法
样本
生成对抗网络