首页|基于中心损失的条件生成式对抗网络的冷水机组故障诊断

基于中心损失的条件生成式对抗网络的冷水机组故障诊断

扫码查看
原文链接
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 万方数据
  • 维普
针对冷水机组产生的故障数据不足,数据集中正常数据和故障数据数量不平衡,进而导致故障诊断精度下降的问题,提出一种基于中心损失的条件生成式对抗网络(central loss conditional generative adversarial network,CLCGAN)和支持向量机(support vector machine,SVM)的故障诊断方法.首先,CLCGAN利用少量真实故障数据生成新的故障数据;然后,将生成的故障数据与初始数据集混合,使正常数据与故障数据的数量达到平衡;最后,利用平衡数据集构建SVM模型进行故障诊断.在GAN生成冷水机组故障数据时,构建动态中心损失项并加入到目标函数中,利用动态的中心损失减少冷水机组生成的各种故障数据的类内距离,从而降低各个故障生成数据之间的重叠程度,增加生成数据的可靠性.在生成故障数据之前配置相应的故障标签,并输入到CLCGAN中指导数据生成过程,使生成的故障数据可以均衡地分布于各个故障类别.在ASHRAE 1043-RP数据集上对所提方法进行了验证,结果表明,相较于其他解决数据不平衡问题的故障诊断方法,所提方法具有更高的故障诊断准确率.
Fault diagnosis of chillers using central loss conditional generative adversarial network

高学金、程琨、韩华云、高慧慧、齐咏生

展开 >

北京工业大学信息学部,北京100124

数字社区教育部工程研究中心,北京100124

城市轨道交通北京实验室,北京100124

计算智能与智能系统北京市重点实验室,北京100124

内蒙古工业大学电力学院,内蒙古呼和浩特010051

展开 >

冷水机组 故障诊断 生成式对抗网络 神经网络 算法 中心损失 集成

4222041

2022

10.11949/0438-1157.20220568

化工学报
中国化工学会 化学工业出版社

化工学报

CSTPCDCSCD北大核心
影响因子：1.26
ISSN：0438-1157
年,卷(期)：2022.73(9)
  • 3
  • 4