噪声与振动控制 ›› 2026, Vol. 46 ›› Issue (2): 95-101.

• 信号处理与故障诊断 • 上一篇    下一篇

基于振动灰度图的DCGAN结合ResNet50 的发电机故障诊断

张超李晨昕周天赐靳瑞卿何玉灵   

  1. ( 华北电力大学机械工程系,河北保定071003 )
  • 收稿日期:2024-10-12 修回日期:2024-11-29 出版日期:2026-04-18 发布日期:2026-04-17

Generator Fault Diagnosis Based on DCGAN of Vibrational Grayscale Image Combined with ResNet50

  • Received:2024-10-12 Revised:2024-11-29 Online:2026-04-18 Published:2026-04-17

摘要: 基于深度学习的故障诊断方法可以有效地实现发电机故障的智能诊断,但当训练样本过小或者样本分布不均匀时极易发生过拟合现象,影响模型的诊断效果和精度。为了解决上述问题,提出基于振动灰度图的深度卷积生成对抗网络(Deep Convolution Generative Adversarial Networks,DCGAN)结合残差网络(ResNet50)的发电机故障诊断方法,实现了在故障小样本与故障样本不均衡情况下的发电机故障智能诊断。最后通过对比实验证明,在发电机故障小样本或者故障样本不均衡情况下使用深度卷积生成对抗网络生成的故障样本对模型进行训练可以获得更高的诊断精度。

关键词: 故障诊断, 振动灰度图, 深度卷积生成对抗网络, 残差网络