故障轴承数字孪生模型

不平衡样本诊断增强

用频域Bi-LSTM CycleGAN把多体动力学仿真信号映射到实测信号，生成逼近真实的故障轴承数据，用于故障诊断中的样本增强。

秦毅 · Hongyu, Liu · 毛永芳

Advanced Engineering Informatics 2024

技术优势

频谱更接近真实

引入频谱约束损失，保证生成信号与实测信号在频域上映射一致。

诊断性能更高

在两个实验的不平衡样本故障诊断中，效果优于其他先进数据增强方法。

应用场景

• 旋转机械故障诊断：生成逼真故障样本，解决诊断训练中故障数据不足和不平衡问题。
• 状态监测与预测性维护：增强故障数据，提升状态监测和剩余寿命预测模型的泛化能力。
• 工业大数据分析：为工业数据分析提供高质量合成数据，缓解样本不平衡问题。