标题：数据不平衡下基于DCGAN和AMCNN的滑动轴承故障诊断方法
作者：袁卫民1；周凯峰2；陈飞宇1 王小静1
作者单位：1上海大学机电工程与自动化学院，上海 200444；2 上海船舶设备研究所，上海 200031
关键字：生成式对抗网络；卷积神经网络；深度学习；滑动轴承；故障诊断
摘要：目前，针对轴承的故障诊断领域研究中，传统的诊断方法往往过度依赖于信号处理的方式，并且模型的泛化能力较差，而深度学习的方法又面临数据不平衡等问题。因此，提出了一种基于深度卷积生成式对抗网络（Deep Convolutional Generative Adversarial Networks，DCGAN）和注意力机制卷积神经网络（Attention Module Convolutional Neural Network，AMCNN）的轴承诊断方法。首先对信号进行连续小波变换转换为时频图，然后将数据集输入进DCGAN进行对抗训练，生成于原数据分布类似的新样本，解决数据不平衡问题。最后将新数据集输入AMCNN进行学习和分类诊断。实验结果表明，基于该方法的诊断模型较其他算法模型更优，且拥有较快的收敛速度和泛化能力。