标题：基于生成对抗网络的机械设备故障数据增强方法
作者：张健1 王文权1；刘文彪2，3；唐顺东1；张俊玲4
作者单位：1 中石油川庆钻探工程有限公司安全环保质量监督检测研究院；2 长庆油田公司油气工艺研究院；3 中国石油大学（北京）安全与海洋工程学院；4 中国石油大学（北京）机械与储运工程学院，北京 102249
关键字：生成对抗网络；数据不均衡；数据增强；故障预测
摘要：机械设备故障数据少、传统方法未考虑数据不均衡问题，导致预测分类算法准确率低，针对以上问题提出一种基于梯度惩罚Wasserstein距离生成对抗网络（WGAN-GP）的机械设备故障数据增强方法。首先将多维传感器数据转换为二维灰度图像；然后将少数类样本的灰度图像作为WGAN-GP的输入进行对抗训练，待达到纳什平衡后，将生成的图像添加到故障样本中，降低数据样本的不均衡性；最后，通过计算图像结构相似性度量的方法，解决WGAN-GP自身生成数据难以量化评估的难题。实验表明，该方法能更加有效地提高在故障样本稀少情况下的预测分类精度。