基于WACGAN和IRCNN的柴油机故障诊断方法

唐程; 毕凤荣; 黄盟; 汤代杰; 沈鹏飞; 毕晓阳

doi:10.16236/j.cnki.nrjxb.202503031

English Version Reader LoginJournal Login

您当前的位置：

首页 >

文章列表页 >

基于WACGAN和IRCNN的柴油机故障诊断方法

更新时间：2026-02-12

- 基于WACGAN和IRCNN的柴油机故障诊断方法
- Issue 3, Pages: 270-278(2025)
- 作者机构：
  
  1. 天津大学先进内燃动力全国重点实验室
  2. 隆鑫通用动力股份有限公司
  3. 河北工业大学机械工程学院
- 作者简介：
- 基金信息：
- DOI：10.16236/j.cnki.nrjxb.202503031
  CLC： TK428;TP183
- Published：2025
- 稿件说明：
移动端阅览
唐程, 毕凤荣, 黄盟, et al. 基于WACGAN和IRCNN的柴油机故障诊断方法[J]. 2025, (3): 270-278.
DOI：

唐程, 毕凤荣, 黄盟, et al. 基于WACGAN和IRCNN的柴油机故障诊断方法[J]. 2025, (3): 270-278. DOI： 10.16236/j.cnki.nrjxb.202503031.

摘要

针对基于振动数据驱动的柴油机故障诊断方法在训练样本不足时易过拟合、准确率低的问题，从故障数据增强与诊断模型优化两个角度出发，建立一种基于辅助分类生成对抗网络(WACGAN)和Inception残差卷积网络(IRCNN)的柴油机故障诊断方法．首先将Wasserstein距离与梯度惩罚引入辅助分类生成对抗网络，建立WACGAN对小规模训练集进行增广；然后向卷积神经网络(CNN)中引入Inception结构，并利用连续可微线性指数单元(CELU)激活提高模型特征提取能力，同时加入残差结构避免特征信息丢失，建立IRCNN模型；最后利用增广后的训练集训练IRCNN模型，实现小样本下的柴油机故障诊断．经柴油机故障模拟试验验证，所提方法仅利用每个故障状态下10个工作周期的振动数据，能实现95%的故障识别率；与传统过采样算法和优化前、后的CNN算法相比，该方法在故障样本匮乏时效果最好，能够实现95.47%的故障诊断准确率．

Abstract

关键词

Keywords

references

Prashant Kumar,Ananda Shankar Hati.Transfer learning-based deep CNN model for multiple faults detection in SCIM[J].Neural Computing and Applications,2021.

Goodfellow Ian,Pouget Abadie Jean,Mirza Mehdi,Xu Bing,Warde Farley David,Ozair Sherjil,Courville Aaron,Bengio Yoshua.Generative Adversarial Networks[J].COMMUNICATIONS OF THE ACM,2020.

Xiang Li,Wei Zhang,Qian Ding,Jian-Qiao Sun.Intelligent rotating machinery fault diagnosis based on deep learning using data augmentation[J].Journal of Intelligent Manufacturing,2020.

Siyu Shao,Pu Wang,Ruqiang Yan.Generative adversarial networks for data augmentation in machine fault diagnosis[J].Computers in Industry,2019.

Wang Huan,Liu Zhiliang,Peng Dandan,Qin Yong.Understanding and Learning Discriminant Features based on Multi-Attention 1DCNN for Wheelset Bearing Fault Diagnosis[J].IEEE Transactions on Industrial Informatics,2019.

Konstantin Dragomiretskiy,Dominique Zosso.Variational Mode Decomposition.[J].IEEE Trans. Signal Processing,2014.

Nitesh V. Chawla,Kevin W. Bowyer,Lawrence O. Hall,W. Philip Kegelmeyer.SMOTE: Synthetic Minority Over-sampling Technique[J].The Journal of Artificial Intelligence Research,2002.

Norden E. Huang,Zheng Shen,Steven R. Long,Manli C. Wu,Hsing H. Shih,Quanan Zheng,Nai-Chyuan Yen,Chi Chao Tung,Henry H. Liu.The Empirical Mode Decomposition and the Hilbert Spectrum for Nonlinear and Non-Stationary Time Series Analysis[J].Proceedings: Mathematical, Physical and Engineering Sciences,1998(1971).

Y. LeCun,L. Bottou,Y. Bengio,P. Haffner.Gradient-based learning applied to document recognition[J].Proceedings of the IEEE,1998(11).

姚齐水,别帅帅,余江鸿,陈前旭.一种结合改进Inception V2模块和CBAM的轴承故障诊断方法[J].振动工程学报,2022(04).

张治,马辉,王林.采用AFCM-SMOTE-RF的光伏电站故障诊断方法[J].电源技术,2021(11).

杨洁,万安平,王景霖,单添敏,缪徐,李客,左强.基于多传感器融合卷积神经网络的航空发动机轴承故障诊断[J].中国电机工程学报,2022(13).

朱浩,宁芊,雷印杰,陈炳才,严华.基于注意力机制-Inception-CNN模型的滚动轴承故障分类[J].振动与冲击,2020(19).

朱克凡,王杰贵,刘有军.小样本条件下基于数据增强和WACGAN的雷达目标识别算法[J].电子学报,2020(06).

文成林,吕菲亚.基于深度学习的故障诊断方法综述[J].电子与信息学报,2020(01).

柯赟,宋恩哲,姚崇,董全.船舶柴油机故障预测与健康管理技术综述[J].哈尔滨工程大学学报,2020(01).

Views

下载量

CSCD

Alert me when the article has been cited

提交

Tools

Publicity Resources

An Improved Algorithm for Wavelet Packets and Its Applications to Vibration Diagnosis in Diesel Engines

柴油机后处理系统抗结晶能力评价方法

基于排气门二次开启的内部EGR排气热管理试验

预燃室内喷油参数对重型柴油机燃烧和排放的影响

两级相继增压柴油机增压模式切换试验

Related Author

LIU Shi-yuan

DU Run-sheng

YANG She-zi

王天田

李骏

丁俊岭

秦武

肖原

Related Institution

College of Mechanical Science and Engineering, Huazhong University of Science and Technology

华东交通大学机电与车辆工程学院

汽车动力传动与电子控制湖北省重点实验室

湖北汽车工业学院汽车工程学院

潍柴动力股份有限公司

AI问答

⁰