机械故障数值模拟驱动的生成式对抗网络及智能诊断原理

预测性维护是智能制造领域潜在爆发点.人工智能诊断作为其关键一环,成为近年来工程领域研究的热点,发展出一系列极具应用前景的诊断方法.众所周知,完备故障样本是激活智能诊断模型的关键,然而,在工程实践中,机械系统实际发生的故障远多于我们能预先从运行状态下获得的故障样本.因此,基于机械故障数值模拟驱动的生成式对抗网络,获得完备故障样本,架设人工智能模型与实际运行的机械系统故障诊断之间的桥梁,提出新型智能诊断原理意义重大.首先,采用有限元仿真得到机械系统缺失故障样本,与预先获得的故障样本一起,组成相对完备故障样本.其次,为进一步提高故障样本质量,利用生成式对抗网络生成大量与相对完备故障样本相似的新样本,与相对完备故障样本一起,构成完备故障样本(合成故障样本).最后,以完备故障样本作为训练样本,以待检测未知故障样本作为测试样本,基于人工智能模型进行故障分类.以故障轴承公共数据集、故障齿轮实验台、故障转子实验台为例,通过与常用的人工智能诊断模型比较研究,验证了所提出的智能诊断原理有效性,为推广智能诊断模型至实际运行的机械系统带来了新希望.