非平衡数据仍高准识别
用Wasserstein距离和梯度惩罚增强生成对抗网络，从数据生成端解决铣刀监测中的样本失衡问题，提升破损识别的准确性与鲁棒性。
李雪冰 · Caixu, Yue · Xianli, Liu · Zhou, Jiaqi · Wang, Lihui
Robotics and Computer-Integrated Manufacturing 2024
通过引入Wasserstein距离和梯度惩罚，ACWGAN-GP能够稳定生成多类刀具破损样本，解决数据不平衡问题。
设计了基于多重统计指标的样本过滤器，确保生成数据的质量和多样性，只有合格样本才被加入训练集。
实验结果表明，该方法在数据生成质量和刀具破损识别准确率上均优于其他流行的非平衡故障诊断方法。
该方法可满足刀具破损监测的实时性要求，适合在线部署。