公开(公告)号：CN119066403A

公开(公告)日：2024-12-03

申请号：CN202411148722.1

申请日：2024-08-21

Applicant: 东北林业大学

Inventor： 李明 ,  胡炳豪 ,  吴旭东 ,  李学艺 ,  张飞斌 ,  谢怡宁 ,  王志亮 ,  徐海彬 ,  褚福磊

IPC: G06F18/2131 ,  G06F18/214 ,  G06N3/0475 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/0442 ,  G06N3/084 ,  G06N3/094

Abstract: 本发明公开了一种新的故障诊断数据增强方法，即ADGAN，是一种自适应扩散模型的生成对抗网络，ADGAN通过正向扩散链生成高斯混合分布的噪声，使梯度更加平滑和稳定，避免了传统GAN模型中的梯度消失等问题。ADGAN在每个扩散时间步长上，利用不同的噪声数据比例和时间步长相关的鉴别器，学习区分扩散的真实数据和生成数据，生成器通过正向扩散链的反向传播从鉴别器的反馈中学习，正向扩散链的长度能够自适应调整，提高生成器的多样性，有效避免模式崩塌和传统扩散模型反向生成过程缓慢的问题。本专利使用凯斯西储大学轴承数据集和NEFU数据集采集试验台采集的数据集，验证了ADGAN在数据生成效果和稳定性方面表现优异，能够有效解决不平衡数据集中的故障样本问题，显著提升故障诊断性能，为数据增强和故障诊断提供了新的解决方案。