论文阅读【1】--PCWGAN-GP: A New Method for Imbalanced Fault Diagnosis of Machines

文章目录

  • 1. 摘要部分
  • 2. 引言
  • 3. 一些相关背景知识
    • 3.1生成对抗网络概述
    • 3.2 Wasserstein GAN 以及梯度惩罚
  • 4. 提出方法
    • 4.1 模型结构
    • 4.2 模型训练
  • 5. 实验测试
    • 5.1 数据说明
    • 5.2 模型构建
    • 5.2 实验结果分析
  • 6. 结论


1. 摘要部分

在实际工业应用场景中,机械设备大多数时间都处在健康状态下。因而监测系统所获取的健康样本数量往往远远多于故障样本数量,这导致了在许多诊断任务中,故障样本的数量要远远少于健康状态下的样本,即诊断模型在设计上面临着数据不平衡问题。一般而言,通过人为的干预设计实验,可以获得足够量的故障数据,进而构建平衡的数据集。然而,局限于实际监测应用的成本,多数监测任务难以获取到足够量且平衡的数据集。因此,本研究提出了一种基于数据扩充的方法来解决这一问题。首先

你可能感兴趣的:(计算机视觉,-,Opencv,强化学习等的,趣味小实验,人工智能,深度学习,论文阅读)