9、机械系统智能故障诊断中的数据增强与多传感器融合技术

机械系统智能故障诊断中的数据增强与多传感器融合技术

1. 基于ACGAN的数据增强方法

ACGAN（Auxiliary Classifier Generative Adversarial Networks）是一种用于生成机械传感器信号人工原始数据的有效框架，其主要目的是解决深度架构训练中数据不平衡的问题。

1.1 模型架构

• 生成器（Generator） ：输入层由噪声输入和类别输入合并而成，包含两个大小为2的上采样层。接着是两层1D卷积操作，每层后都有动量为0.8的批量归一化（Batch Normalization）。第一层1D卷积有16个特征图，使用ReLU作为激活函数，核大小为16；第二层1D卷积只有1个特征图，核大小为16，使用双曲正切作为激活函数，输出为1D数据样本。
• 判别器（Discriminator） ：输入层后接一个有8个核的1D卷积层，使用LeakyReLU作为激活函数，核大小为16。再添加一个有16个核的1D卷积层，同样使用LeakyReLU，之后是概率为0.5的Dropout。模型层被展平后连接到一个有0.5 Dropout的全连接层，最后添加两个标签预测层作为输出层。

生成器从均匀分布U(-1, 1)中采样的潜在向量z生成数据，生成的假数据集Xgenerated与真实信号数据集一起发送到判别器。判别器基于1D - CNN构建，输出层采用Sigmoid函数预测样本来源，采用Softmax函数预测具体标签。

1.2 模型训练过程

使用ADAM优化器进行模型训练，判别器的