内燃机工程

作者：景亚兵,郭明智,毕晓阳

单位：天津内燃机研究所,天津 300072,天津大学 先进内燃动力全国重点实验室,天津 300354,河北工业大学 机械工程学院,天津 300401

关键词：数据增强,故障诊断,柴油机,生成对抗网络,

基金：河北省高等学校科学技术研究项目（QN2022159）

针对基于深度学习的柴油机故障诊断方法在训练样本数量匮乏时易发生过拟合并导致诊断准确率下降的问题，提出一种基于融合数据增强的柴油机故障诊断方法。利用融合数据增强方法扩充训练集中的故障样本：先将合成少数过采样技术（synthetic minority over-sampling technology， SMOTE）和改进辅助分类器生成对抗网络（auxiliary classifier generative adversarial network， ACGAN）相结合，分两阶段进行样本生成；再通过K近邻算法（K-nearest neighbors， KNN）去除噪声生成样本。然后使用扩充后的训练集训练深度学习故障诊断模型，用于识别未知振动信号。经柴油机故障模拟试验实测信号验证，在仅用10个样本进行训练时，一维卷积神经网络（one-dimensional convolutional neural network， 1DCNN）能达到90.21%的故障诊断准确率，且所提融合数据增强方法在不同深度学习模型上均能提高故障诊断准确率。

来源：2024年第6期

《内燃机工程》期刊编辑部

查看内燃机工程杂志2024年第6期