基于改进生成对抗网络的抽油机故障诊断方法

针对抽油机故障数据不足、样本分布不均衡的问题，提出一种基于自注意力机制的条件深度卷积生成对抗网络(CDCGAN:Conditional Deep Convolutional Generative Adversarial Networks)模型。该模型在CDCGAN的基础上引入自注意力机制，并在损失函数中加入约束生成图像分布的正则项，提高了生成图像的质量和多样性，有效地防止了模式崩溃的发生。采用Alexnet、VGG16等网络对生成的抽油机故障样本进行分类测试，实验结果表明，改进网络的生成数据质量更高，能够有效平衡抽油机故障数据，进一步提升了抽油机故障诊断的准确率。