一种小样本下基于结构相似性生成对抗网络的轴承故障诊断方法

本发明提出了一种小样本下基于结构相似性生成对抗网络的轴承故障诊断方法，该方法针对故障样本稀缺及生成样本质量不高的问题，将一维振动，信号通过格拉姆角差场变换转换为二维GADF图像，然后通过结构相似性生成对抗网络生成辅助样本，并利用结构相似性指数对辅助样本进行筛选，剔除与真实样本差异较大的图像，从而提升辅助样本的质量。随后将筛选后的辅助样本与真实样本结合，输入深度卷积神经网络(DCNN)进行训练，实现小样本条件下的高精度轴承故障识别。该方法充分发挥了图像生成对抗网络和结构相似性分析的优势，在多个轴承数据集且仅25个训练样本下上均取得了超过96％的诊断准确率，适用于风电、机床、电机等工业场景中的故障监测与预警系统。