分会场

设计制造润滑与可靠性

摘要

数据驱动故障诊断方法需要大量有效样本，而工程实际中往往无法获取足量的故障样本，难于完成模型的训练，虽然故障模拟仿真可以生成大量有标签的数据，但仿真数据与实测数据存在差异，用其训练获得的诊断模型准确率不高，为此以某柴油机燃油系统为对象，提出基于仿真与深度卷积生成式对抗网络(deep convolutional generative adversarial networks，DCGAN)结合的故障样本生成方法，为建立高精度故障诊断模型奠定基础。首先，基于AMESIM与AVL-excite仿真平台分别构建燃油系统模型与柴油机整机多体动力学模型，仿真计算喷油器不同状态下的喷油特征，进一步计算柴油机的振动响应，结合正常工况实测数据和仿真数据完成对DCGAN模型的训练，缩小仿真数据与实测数据之间的差异，进而基于不同状态的仿真数据利用该模型生成故障样本，最后采用故障分类对生成的样本进行故障识别，取得了92.8%的识别率，表明该方法用于弥补故障样本的不足是有效的。

关键词

柴油机;仿真;DCGAN;故障;样本生成

电子U盘全文仅限大会已缴费参会代表下载。

您还没有登录，请您先 点击这里登录