改进生成式对抗网络的不均衡样本转子系统故障诊断

  • 打印
  • 收藏
收藏成功
微博 QQ空间 微信


打开文本图片集

摘 要 实际工业应用中转子系统能够采集到的故障样本远少于正常工况样本。针对不同类别样本数量不均衡时传统深度学习模型会倾向于预测出样本更多的类别而忽视较少出现的类别的现状，提出基于条件深度卷积生成式对抗网络（CDCGAN）结合改进的卷积块注意力机制（CBAM）+可变性卷积的有监督二维数据生成方法（CBAMCDCGAN），实现不均衡样本转子系统的故障诊断。（剩余9158字）

试读结束

目录
monitor