首页> 中文期刊> 《华中科技大学学报:自然科学版》 >双重对抗自编码数据扩张方法及应用

双重对抗自编码数据扩张方法及应用

         

摘要

针对深度学习存在的数据不足、质量不高的问题,将自编码网络的训练稳定特性和生成对抗网络的对抗特性相结合,提出了双重对抗自编码(CAAE)数据扩张方法,并将其应用到永磁同步电机(PMSM)故障诊断中.在模型训练过程中,利用网络模型学习原始数据的分布,将压缩后的变量和解码后的重构数据分别输入到对应的判别器,形成双重对抗,保证生成数据的质量.训练完成后,将满足特定分布的随机变量和类别标签输入到训练后的网络模型,即可生成相应类别的数据.以电机匝间短路为例,在自建电机数据集上,通过双重对抗自编码进行故障数据扩张,根据各项指标的提升验证模型的有效性.结果表明:与传统数据扩张方法对比,双重对抗自编码生成的数据质量更高,能够提高诊断准确率.

著录项

相似文献

  • 中文文献
  • 外文文献
  • 专利
获取原文

客服邮箱:kefu@zhangqiaokeyan.com

京公网安备:11010802029741号 ICP备案号:京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有
  • 客服微信

  • 服务号