Генеративно-состязательная сеть для классификации модели диагностики механических неисправностей

Нехватка и несбалансированность аннотированных данных о неисправностях создают серьезные проблемы для надежности интеллектуальной промышленной диагностики. Для решения этой проблемы мы предлагаем интегрированную систему диагностики неисправностей, основанную на слиянии многодоменных характеристик и генеративных состязательных сетях (GAN). В отличие от традиционных подходов, которые рассматривают генерацию и классификацию как независимые этапы, наша модель объединяет эти два процесса. Этот метод позволяет проводить диагностику путем преобразования необработанных сигналов вибрации в многодоменные представления (временная область, частотная область и временная-частотная область). Основная инновация заключается в реструктурированной архитектуре генератора: кодер Transformer улавливает глобальные корреляции сигналов в сочетании с механизмом Efficient Channel Attention (ECA) для адаптивной перекалибровки весов признаков, обеспечивая высокую точность синтеза образцов. Кроме того, модель использует дискриминатор с двойной функцией, который отличает подлинные образцы от синтетических, одновременно выполняя многоклассовую классификацию неисправностей. Обширные эксперименты на эталонных наборах данных CWRU и JNU демонстрируют, что этот подход превосходит существующие современные алгоритмы, достигая превосходных результатов по структурному сходству (SSIM), пиковому отношению сигнал/шум (PSNR) и точности диагностики. Это комплексное решение эффективно смягчает проблемы нехватки данных в промышленных условиях.