基于辅助分类网络的跨领域文本情感分类

1

作者 马娜 温廷新 +1 位作者 贾旭 李晓会 《系统仿真学报》 CAS CSCD 北大核心 2023年第4期721-733,共13页

为了使源域与目标域中同类情感文本准确对齐,且尽可能增大不同情感文本特征差异,提出了一种具有加权对抗网络的域适应模型。提出了一种主分类网络与辅助分类网络相结合的网络结构,主分类网络用于对源域文本进行有监督学习,辅助分类网络... 为了使源域与目标域中同类情感文本准确对齐,且尽可能增大不同情感文本特征差异,提出了一种具有加权对抗网络的域适应模型。提出了一种主分类网络与辅助分类网络相结合的网络结构,主分类网络用于对源域文本进行有监督学习,辅助分类网络用来提高文本特征的可区分度;提出了一种多对抗网络权重计算方法,实现域间同类样本的准确对齐。实验结果表明:对于Amazon数据集,提出的模型对于目标域中文本的平均识别准确率可达84.22%,比对比模型提升了2.07%,说明该模型可将优化得到的特征提取器与特征分类器同时较好的适用于源域与目标域中,从而对不同领域文本分析仿真建模提供了可靠的数据。 展开更多

关键词 文本情感分类 域适应 对抗网络 辅助分类网络

在线阅读 下载PDF 职称材料

基于类小波辅助分类生成对抗网络的轴承故障数据生成方法

2

作者 焦华超 孙文磊 王宏伟 《中国机械工程》 北大核心 2025年第3期546-557,共12页

利用数据生成方法生成时域特征和频域特征与轴承故障真实信号一致的高质量数据,构建平衡数据集,对数据不平衡情况下建立高效的轴承故障诊断模型具有重要意义。针对现有数据生成方法仅关注时域或频域单一特征的局限,提出了类小波辅助分... 利用数据生成方法生成时域特征和频域特征与轴承故障真实信号一致的高质量数据,构建平衡数据集,对数据不平衡情况下建立高效的轴承故障诊断模型具有重要意义。针对现有数据生成方法仅关注时域或频域单一特征的局限,提出了类小波辅助分类生成对抗网络。基于小波变换原理,使用多层神经网络构建类小波变换(WLT)网络,模拟小波变换及逆变换,建立时域与频域信号的映射关系;将WLT网络嵌入辅助分类生成对抗网络(ACGAN)模型中,作为模型生成器的主体;构建两个不同功能的判别器,使得改进的ACGAN在一次训练中能同时学到真实轴承振动信号的时域和频域特征信息。试验结果表明,WLT-ACGAN模型生成的轴承振动信号具有与真实轴承振动信号一致的时域特征和频域特征,数据不平衡时,利用生成信号扩增的平衡数据集构建的故障诊断模型具有较高的准确率。 展开更多

关键词 辅助分类生成对抗网络 类小波变换 轴承故障诊断 数据生成

在线阅读 下载PDF 职称材料

基于多判别器辅助分类器生成对抗网络的故障诊断方法研究 被引量：2

3

作者 叶子汉 王中华 +2 位作者 姜潮 吕新 张哲 《工程设计学报》 CSCD 北大核心 2024年第2期137-150,159,共15页

在强冲击、强辐射、极高温等极端恶劣的工作环境下,机械设备的故障模式复杂多样,获得充足且有效的故障数据变得非常困难甚至难以实现,以致故障诊断的准确性受限,后续检修维护方案难以有效制定。针对这一问题,提出了一种多判别器辅助分... 在强冲击、强辐射、极高温等极端恶劣的工作环境下,机械设备的故障模式复杂多样,获得充足且有效的故障数据变得非常困难甚至难以实现,以致故障诊断的准确性受限,后续检修维护方案难以有效制定。针对这一问题,提出了一种多判别器辅助分类器生成对抗网络的数据增强算法。通过设置3个判别器、1个生成器并添加独立的分类器,构建了新的辅助分类器生成对抗网络模型。针对在该模型训练中存在的不稳定性问题,通过引入Wasserstein距离构造新的损失函数,并采用稳定性更具优势的单边软约束正则化项替换原有的L2梯度惩罚项来解决模型崩溃问题;在此基础上,采用高效通道注意力机制来进一步提高模型的特征提取能力。将所提出的模型应用于扩充机械设备故障数据集,辅助深度学习智能诊断模型的训练。多个故障数据集扩充实验表明,与现有模型相比,新模型所生成数据的质量更高,故障诊断的准确率也得到进一步提高,因此具有较高的应用价值。 展开更多

关键词 多判别器辅助分类器生成对抗网络 高效通道注意力机制 Lipschitz(利普希茨)约束 数据增强 故障诊断

在线阅读 下载PDF 职称材料

基于改进辅助分类生成对抗网络的风机主轴承故障诊断 被引量：32

4

作者 卢锦玲 张祥国 +2 位作者 张伟 郭鲁豫 闻若彤 《电力系统自动化》 EI CSCD 北大核心 2021年第7期148-154,共7页

基于振动信号的风电机组故障诊断方法是风电安全运维领域研究的重点之一。风电机组主轴承较少发生故障,给运用数据挖掘方法判断故障类型带来很大困难。针对该问题,文中提出了一种用于风电机组主轴承故障诊断的数据增强方法。通过对辅助... 基于振动信号的风电机组故障诊断方法是风电安全运维领域研究的重点之一。风电机组主轴承较少发生故障,给运用数据挖掘方法判断故障类型带来很大困难。针对该问题,文中提出了一种用于风电机组主轴承故障诊断的数据增强方法。通过对辅助分类生成对抗网络(ACGAN)的适应性进行改进,引入梯度惩罚,构建了改进ACGAN框架,以提高其学习稳定性;在判别器网络中引入池化层,以提升其在多分类场景下提取数据特征的能力。仿真结果表明,所提出的改进ACGAN框架能够实现对原始数据分布特征的有效学习,抗噪声干扰性强,相对于原框架训练过程更稳定,生成数据的质量更高;能够有效平衡风电机组主轴承故障振动数据,进一步提升了风电机组主轴承故障诊断的正确率。 展开更多

关键词 风电机组 故障诊断 数据增强 辅助分类生成对抗网络 梯度惩罚

在线阅读 下载PDF 职称材料

基于辅助分类–边界平衡生成式对抗网络的局部放电数据增强与多源放电识别 被引量：20

5

作者 朱永利 张翼 +1 位作者 蔡炜豪 高盎然 《中国电机工程学报》 EI CSCD 北大核心 2021年第14期5044-5053,共10页

为解决局部放电(partial discharge,PD)源诊断中放电样本的不平衡问题,并克服传统多源放电诊断方法对脉冲聚类分离效果的依赖,该文提出基于辅助分类–边界平衡生成式对抗网络(boundary equilibrium generative adversarial network with... 为解决局部放电(partial discharge,PD)源诊断中放电样本的不平衡问题,并克服传统多源放电诊断方法对脉冲聚类分离效果的依赖,该文提出基于辅助分类–边界平衡生成式对抗网络(boundary equilibrium generative adversarial network with auxiliary classifier,AC-BEGAN)的PD数据增强与多源放电识别方法。首先,对PD脉冲进行同步挤压小波变换(synchrosqueezed wavelet transform,SWT)作为训练样本。然后,在训练稳定性优越的BEGAN基础上,融合条件信息和辅助局放脉冲分类任务构建AC-BEGAN模型,旨在提升模型的生成能力并条件式地扩充训练样本。最后,采用扩充均衡的训练样本微调该辅助分类任务以学习多源放电中各单次脉冲的类别,并将占主导的脉冲标签的组合确定为该多源放电类型。结果表明,该方法相比于传统数据增强技术可以有效地均衡脉冲样本,同时可以克服传统诊断方法对聚类分离效果的依赖,直接实现多源放电诊断。 展开更多

关键词 多源局部放电 同步挤压小波变换 数据增强 辅助分类-边界平衡生成对抗网络

在线阅读 下载PDF 职称材料

基于改进生成对抗网络的海上风电机组故障数据增强及诊断 被引量：2

6

作者 魏书荣 殷世杰 +1 位作者 闫梦飞 周海林 《电力系统保护与控制》 北大核心 2025年第1期114-124,共11页

海洋复杂运行环境下,风电机组故障多样,故障有效样本数据明显不足,严重影响了故障诊断效果。为解决海上风电运行数据及故障样本积累不足的问题,提出了一种基于GRA-rACGAN生成对抗网络的数据增强方法,可有效扩充海上风机异常工况数据,并... 海洋复杂运行环境下,风电机组故障多样,故障有效样本数据明显不足,严重影响了故障诊断效果。为解决海上风电运行数据及故障样本积累不足的问题,提出了一种基于GRA-rACGAN生成对抗网络的数据增强方法,可有效扩充海上风机异常工况数据,并通过实际运行数据进行诊断验证。首先,对SCADA系统采集的数据进行灰色关联分析(grey relation analysis,GRA),筛选出与海上风电机组运行状态高度相关的状态变量,对数据进行归一化处理,将特征的最小最大范围添加为每个样本的两个附加属性,避免异常数据干扰,提高数据生成能力。然后,将筛选出的状态变量数据集输入至改进型辅助分类器,采用生成对抗网络进行学习,扩充故障数据。最后,以海上风机实际运行数据的增强结果作为样本进行故障诊断,检验故障数据增强方法的可靠性。通过对海上风电场的实际运行数据实测结果表明,本模型相比于传统数据增强技术可以有效地生成故障样本,提高故障诊断的准确率与稳定性,为海上风机故障的准确预警提供技术支撑。 展开更多

关键词 海上风机 数据增强 灰色关联分析 辅助分类器生成对抗网络 故障诊断

在线阅读 下载PDF 职称材料

基于边界辅助判别的滚动轴承故障特征增强及诊断方法 被引量：1

7

作者 李佰霖 鲁大臣 +1 位作者 付文龙 陈禹朋 《机电工程》 CAS 北大核心 2024年第4期643-650,共8页

滚动轴承作为机械设备重要部件,对保障设备安全稳定运行具有重要意义。针对实际诊断中的滚动轴承故障数据不平衡问题,提出了一种基于边界辅助判别的辅助分类生成对抗网络模型(BD-ACGAN)。首先,设计了一种可用于提取故障样本边界细节特... 滚动轴承作为机械设备重要部件,对保障设备安全稳定运行具有重要意义。针对实际诊断中的滚动轴承故障数据不平衡问题,提出了一种基于边界辅助判别的辅助分类生成对抗网络模型(BD-ACGAN)。首先,设计了一种可用于提取故障样本边界细节特征的边界辅助判别器,以引导生成器生成更真实的样本,并采用该生成样本解决了数据不平衡的问题;其次,采用了自适应权重损失模块,动态调整了损失权重,使该模型更加关注重要的特征信息,从而提高了该模型的生成质量和特征表达能力;利用生成样本和真实样本数据对BD-ACGAN模型进行了增强训练,提高了该模型的泛化能力和诊断能力;最后,进行了消融实验及对照实验,对BD-ACGAN模型的特征增强能力和诊断效果进行了验证,分别采用美国凯斯西储大学和西安交通大学滚动轴承数据集对模型进行了实验验证。研究结果表明:该BD-ACGAN模型能够有效利用故障样本的边界特征解决数据不平衡问题,并且故障诊断精确度为98.79%,优于其他对照模型,为滚动轴承故障诊断提供了一种新的方法。 展开更多

关键词 轴承故障诊断 数据不平衡 边界辅助判别的辅助分类生成对抗网络 故障特征增强 自适应权重损失 数据集增广

在线阅读 下载PDF 职称材料

基于生成对抗网络的主机入侵风险识别 被引量：1

8

作者 林英 李元培 潘梓文 《计算机应用与软件》 北大核心 2021年第11期331-337,共7页

随着互联网的发展,针对主机漏洞发起的入侵层出不穷,计算机安全问题日益突出,基于深度学习的入侵检测成为研究热点,但仍然存在攻击训练样本少以及无法有效检测未知攻击的问题。基于AC-GAN和LS-GAN,设计并实现主机入侵风险识别网络TR-GAN... 随着互联网的发展,针对主机漏洞发起的入侵层出不穷,计算机安全问题日益突出,基于深度学习的入侵检测成为研究热点,但仍然存在攻击训练样本少以及无法有效检测未知攻击的问题。基于AC-GAN和LS-GAN,设计并实现主机入侵风险识别网络TR-GAN,该模型能有效解决梯度偏移或梯度消失的问题。TR-GAN相较于AC-GAN及LS-GAN,不但风险识别准确率更稳定,最大识别准确率达到80%,且其风险样本生成模块能在较少训练迭代轮数下就生成与真实攻击样本具有相同特征的攻击样本。生成的攻击样本不但可以作为训练样本的补充,而且可作为部署系统安全策略的参考。 展开更多

关键词 入侵风险识别 生成对抗网络 辅助分类器-生成对抗网络 最小二乘-生成对抗网络 主机特征

在线阅读 下载PDF 职称材料

基于改进生成对抗网络的电压暂降事件类型辨识研究 被引量：12

9

作者 沙浩源 梅飞 +4 位作者 李丹奇 李轩 张宸宇 史明明 郑建勇 《中国电机工程学报》 EI CSCD 北大核心 2021年第22期7648-7659,共12页

为缓解特征自提取模型对电压暂降样本数据量的依赖,提高模型的特征抓取能力,该文提出基于改进辅助分类生成对抗网络(auxiliary classifier generative adversarial networks,AC-GAN)的暂降事件类型辨识算法。首先,将暂降三相电压数据转... 为缓解特征自提取模型对电压暂降样本数据量的依赖,提高模型的特征抓取能力,该文提出基于改进辅助分类生成对抗网络(auxiliary classifier generative adversarial networks,AC-GAN)的暂降事件类型辨识算法。首先,将暂降三相电压数据转换为基于空间矢量(space phasor model,SPM)的二维轨迹曲线,以此作为智能模型的输入。然后,对AC-GAN进行改进,通过在判别器内融合卷积注意力模块(convolutional block attention module,CBAM)来改善判断模型的特征自提取能力,从而提高整个AC-GAN网络的性能。利用所生成的与真实样本特性及分布一致的数据,来实现数据增强,以解决非平衡样本条件下特征学习不充分的问题。最后,利用江苏地区实际数据场景验证了所提算法在不同数据条件下准确而稳定的暂降类型辨识能力。 展开更多

关键词 辅助分类生成对抗网络 空间矢量 卷积注意力机制 暂降事件 类型辨识

在线阅读 下载PDF 职称材料

基于改进ACGAN算法的车道排队车辆估计及其分类

10

作者 郭海锋 杨宪赞 金峻臣 《高技术通讯》 EI CAS 北大核心 2020年第11期1169-1177,共9页

针对传统模型驱动的排队车辆研究中构建概率分布困难、建模繁琐等问题,结合双向长短时记忆(Bi-LSTM)网络和辅助分类器生成对抗网络(ACGAN)的特点,提出一种数据驱动的车道级排队车辆估计算法。该算法无需对交叉口空间关系建模,其生成器采... 针对传统模型驱动的排队车辆研究中构建概率分布困难、建模繁琐等问题,结合双向长短时记忆(Bi-LSTM)网络和辅助分类器生成对抗网络(ACGAN)的特点,提出一种数据驱动的车道级排队车辆估计算法。该算法无需对交叉口空间关系建模,其生成器采用Bi-LSTM结构,以速度序列为输入,根据速度与排队车辆的时间相关性,生成最小、最大排队车辆。判别器来自ACGAN,在区分真假样本的同时实现排队车辆到拥堵等级标签的分类。同时,为避免网络训练不稳定、梯度消失的问题,舍弃原ACGAN的真假二分类任务,引入Wasserstein散度来衡量真实序列与生成序列的分布距离,并对相应的目标函数进行优化。结果表明,与其他算法相比,该算法在分类准确率方面提高了3.96%~9.62%,同时总体估计误差最小,验证了利用速度估计车道排队车辆的可行性。 展开更多

关键词 辅助分类器生成对抗网络(ACGAN) 双向长短时记忆(Bi-LSTM) Wasserstein散度 车道级排队车辆估计 分类

在线阅读 下载PDF 职称材料

基于ACGAN和迁移学习的骨显像分类方法 被引量：1

11

作者 余泓 罗仁泽 +2 位作者 陈春梦 唐祥 罗任权 《光学精密工程》 EI CAS CSCD 北大核心 2023年第6期936-949,共14页

由于骨显像存在样本数量有限、类别不平衡的问题,导致骨显像分类存在较大困难。为提升骨显像的分类准确率,本文提出了一种基于结合辅助分类器的生成对抗网络(ACGAN)数据生成和迁移学习的骨显像分类方法。首先,为解决骨显像类别不平衡的... 由于骨显像存在样本数量有限、类别不平衡的问题,导致骨显像分类存在较大困难。为提升骨显像的分类准确率,本文提出了一种基于结合辅助分类器的生成对抗网络(ACGAN)数据生成和迁移学习的骨显像分类方法。首先,为解决骨显像类别不平衡的问题,设计了一种MU-ACGAN模型。该模型以U-Net为生成器框架,同时结合密集残差连接和通道-空间注意力机制结构来提升骨显像细节特征生成,判别器通过密集残差注意力卷积块提取骨显像特征进行判别;然后,结合传统数据增强方式进一步扩充数据量;最后,设计了一种多尺度卷积神经网络提取骨显像不同尺度的特征,提升分类效果。在模型训练过程中,采用两阶段迁移学习方式,优化模型的初始化参数、解决过拟合的问题。实验结果表明,本文提出方法分类准确率达到了85.71%,有效缓解了小样本骨显像数据集分类准确率不高的问题。 展开更多

关键词 骨显像 结合辅助分类器的生成对抗网络(ACGAN) 迁移学习 注意力机制 数据增强

在线阅读 下载PDF 职称材料

基于数据增强的小样本辐射源个体识别方法 被引量：3

12

作者 王艺卉 闫文君 +1 位作者 段可欣 于楷泽 《雷达科学与技术》 北大核心 2024年第1期104-110,118,共8页

针对样本数据难获取、捕捉样本类别不全面等样本不足的小样本学习识别准确率不高的困境,提出基于数据增强的小样本辐射源个体识别方法。首先,通过时域翻转、振幅反转、振幅缩放和噪声处理等方法对小样本数据集进行数据集扩充;其次,将噪... 针对样本数据难获取、捕捉样本类别不全面等样本不足的小样本学习识别准确率不高的困境,提出基于数据增强的小样本辐射源个体识别方法。首先,通过时域翻转、振幅反转、振幅缩放和噪声处理等方法对小样本数据集进行数据集扩充;其次,将噪声序列和类别标签输入生成器进一步生成“以假乱真”的生成样本,提高生成样本的多样性并通过辅助分类器同步完成真假样本判别和类别预测;最后,根据判别器动态反馈渐进式调整损失函数权值,重点关注高质量样本进一步优化网络,提高识别准确性。 展开更多

关键词 辐射源个体识别 小样本 数据增强 辅助分类生成对抗网络

在线阅读 下载PDF 职称材料

基于ACGAN的图像识别算法 被引量：11

13

作者 周林勇 谢晓尧 +2 位作者 刘志杰 谭宏卫 游善平 《计算机工程》 CAS CSCD 北大核心 2019年第10期246-252,259,共8页

针对基于辅助分类器生成对抗网络(ACGAN)的图像分类算法在训练过程中稳定性低且分类效果差的问题,提出一种改进的图像识别算法CP-ACGAN。对于网络结构,在判别网络的输出层取消样本的真假判别,只输出样本标签的后验估计并引入池化层。对... 针对基于辅助分类器生成对抗网络(ACGAN)的图像分类算法在训练过程中稳定性低且分类效果差的问题,提出一种改进的图像识别算法CP-ACGAN。对于网络结构,在判别网络的输出层取消样本的真假判别,只输出样本标签的后验估计并引入池化层。对于损失函数,除真实样本的交叉熵损失外,在判别网络中增加生成样本的条件控制标签及后验估计间的交叉熵损失。在此基础上,利用真假样本的交叉熵损失及属性重构生成器和判别器的损失函数。在MNSIT、CIFAR10、CIFAR100数据集上的实验结果表明,与ACGAN算法、CNN算法相比,该算法具有较好的分类效果与稳定性,且分类准确率分别高达99.62%、79.07%、48.03%。 展开更多

关键词 生成对抗网络 辅助分类器生成对抗网络 特征提取 图像分类 特征匹配

在线阅读 下载PDF 职称材料

基于改进ACGAN的永磁同步电机数据扩张方法 被引量：1

14

作者 许小伟 韦道明 +3 位作者 严运兵 刘哲宇 敖金艳 占柳 《哈尔滨工业大学学报》 EI CAS CSCD 北大核心 2023年第10期114-121,共8页

永磁同步电机(permanent magnet synchronous motor,PMSM)的监测数据呈现出非平稳、非线性、多源异构性和价值低密度性等特点,而仿真数据难以准确地模拟电机故障类型和故障程度,使得正常数据与故障数据的样本呈现严重不均衡现象,导致故... 永磁同步电机(permanent magnet synchronous motor,PMSM)的监测数据呈现出非平稳、非线性、多源异构性和价值低密度性等特点,而仿真数据难以准确地模拟电机故障类型和故障程度,使得正常数据与故障数据的样本呈现严重不均衡现象,导致故障诊断的模型训练容易出现过拟合、精度低等问题。本文提出了一种改进辅助分类生成对抗网络(auxiliary classification generation adversarial network,ACGAN),通过对原始样本的分布特性进行学习,实现对PMSM实测故障数据的扩张,为电机的故障诊断和健康评估提供数据基础。首先,针对ACGAN网络收敛性差和梯度易消失或爆炸的问题,使用Wasserstein距离约束生成数据的重建损失,利用梯度惩罚代替权值剪裁对模型进行优化,解决模型训练不稳定问题;其次,剖析数据之间的变化关系和历史变化规律,在生成器中引入循环神经网络提高生成数据质量;最后,利用PMSM匝间短路的故障数据,对比分析ROS、SMOTE、ADASYN及改进ACGAN 4种数据扩张方法对提升故障诊断模型性能的有效性。分析结果表明,与其他数据扩张方法相比,改进ACGAN方法的模型训练较稳定、收敛速度较快,扩张数据质量较高。 展开更多

关键词 永磁同步电机 数据扩张 改进辅助分类生成对抗网络 梯度惩罚 循环神经网络

在线阅读 下载PDF 职称材料

融合句嵌入的VAACGAN多对多语音转换 被引量：1

15

作者 李燕萍 曹盼 +1 位作者 石杨 张燕 《北京航空航天大学学报》 EI CAS CSCD 北大核心 2021年第3期500-508,共9页

针对非平行文本条件下语音转换质量不理想、说话人个性相似度不高的问题,提出一种融合句嵌入的变分自编码辅助分类器生成对抗网络(VAACGAN)语音转换方法,在非平行文本条件下,有效实现了高质量的多对多语音转换。辅助分类器生成对抗网络... 针对非平行文本条件下语音转换质量不理想、说话人个性相似度不高的问题,提出一种融合句嵌入的变分自编码辅助分类器生成对抗网络(VAACGAN)语音转换方法,在非平行文本条件下,有效实现了高质量的多对多语音转换。辅助分类器生成对抗网络的鉴别器中包含辅助解码器网络,能够在预测频谱特征真假的同时输出训练数据所属的说话人类别,使得生成对抗网络的训练更为稳定且加快其收敛速度。通过训练文本编码器获得句嵌入,将其作为一种语义内容约束融合到模型中,利用句嵌入包含的语义信息增强隐变量表征语音内容的能力,解决隐变量存在的过度正则化效应的问题,有效改善语音合成质量。实验结果表明:所提方法的转换语音平均MCD值较基准模型降低6.67%,平均MOS值提升8.33%,平均ABX值提升11.56%,证明该方法在语音音质和说话人个性相似度方面均有显著提升,实现了高质量的语音转换。 展开更多

关键词 语音转换 句嵌入 文本编码器 辅助分类器生成对抗网络(ACGAN) 变分自编码器 非平行文本 多对多

在线阅读 下载PDF 职称材料

基于AC-GAN数据重构的风电机组主轴承温度监测方法 被引量：12

16

作者 尹诗 侯国莲 +1 位作者 胡晓东 周继威 《智能系统学报》 CSCD 北大核心 2021年第6期1106-1116,共11页

为更好地识别风电机组主轴承运行状态,提出了一种基于辅助分类生成对抗网络(auxiliary classifier generative adversarial networks, AC-GAN)的数据重构算法对风电机组主轴承温度进行监测。首先,利用采集与监视控制系统(supervisory co... 为更好地识别风电机组主轴承运行状态,提出了一种基于辅助分类生成对抗网络(auxiliary classifier generative adversarial networks, AC-GAN)的数据重构算法对风电机组主轴承温度进行监测。首先,利用采集与监视控制系统(supervisory control and data acquisition, SCADA)时序数据建立基于轻型梯度增强学习器(light gradient boosting machine, LightGBM)的主轴承温度预测模型,并计算其残差特征。其次,利用统计过程控制(statistical process control, SPC)方法对主轴承温度异常残差在控制线范围内进行筛选,并利用AC-GAN算法对残差进行重构。最后,分别提取主轴承温度正常和异常的残差特征,建立基于自然梯度提升(natural gradient boosting, NGBoost)的主轴承状态监测模型。实验结果表明,该方法对主轴承运行状态判断准确度高达87.5%,能够有效地监测风电机组轴承类运行状态。 展开更多

关键词 轻型梯度增强学习器 辅助分类生成对抗网络 自然梯度提升 风电机组 主轴承 状态监测 数据重构 温度残差

在线阅读 下载PDF 职称材料

基于SCAE-ACGAN的直升机行星齿轮裂纹故障诊断 被引量：10

17

作者 孙灿飞 王友仁 夏裕彬 《振动．测试与诊断》 EI CSCD 北大核心 2021年第3期495-502,620,621,共10页

直升机行星传动轮系结构复杂、工况多变,其振动信号受工况影响大,在故障样本较少的情况下导致行星齿轮箱故障诊断准确率不高,早期故障诊断困难。针对上述问题,提出将堆栈收缩自动编码网络(stacked contractive autoencoder,简称SCAE)与... 直升机行星传动轮系结构复杂、工况多变,其振动信号受工况影响大,在故障样本较少的情况下导致行星齿轮箱故障诊断准确率不高,早期故障诊断困难。针对上述问题,提出将堆栈收缩自动编码网络(stacked contractive autoencoder,简称SCAE)与辅助分类生成式对抗网络(auxiliary classifier generative adversarial networks,简称ACGAN)相结合的SCAE-ACGAN故障诊断方法。ACGAN的生成器产生与真实样本具有类似分布的生成样本,扩展训练样本集,并与真实样本一起输入至判别器进行训练。ACGAN采用SCAE作为判别器,利用SCAE良好的抗数据波动能力,从扩展样本集中挖掘出有效的深度特征,并实现样本的真伪与类别的判定。ACGAN的判别器和生成器在对抗学习训练机制下交替优化,提高方法的样本生成质量与故障判定能力。将SCAE-ACGAN应用于直升机行星轮裂纹故障诊断,结果表明,SCAE-ACGAN的故障诊断性能好,在样本数量少与工况变化情况下具有较好的健壮性和适应性。 展开更多

关键词 直升机 行星齿轮箱 裂纹 故障诊断 堆栈收缩自动编码器 辅助分类生成式对抗网络

在线阅读 下载PDF 职称材料