基于生成对抗网络样本增强和最大力方法的滚动轴承的可靠性评估
Fannian Meng1, Liujie Wang2, Hao Li2
1Henan Key Laboratory of Intelligent Manufacturing of Mechanical Equipment, Zhengzhou University of Light Industry, Zhengzhou, 450002, China. wangljzzuli@gmail.com.
Scientific reports
|December 29, 2024
概括
本研究介绍了一种新的轴承可靠性评估方法,使用生成对抗网络 (GAN) 进行数据增强和最大方法进行分析,特别有效于有限的振动数据. 该方法准确预测轴承的降解阶段和剩余寿命,超过现有模型的性能.
科学领域:
- 机械工程 机械工程
- 可靠性工程可靠性工程
- 数据科学数据科学数据科学
背景情况:
- 在现实条件下提取振动数据来评估滚动轴承的可靠性是一项挑战.
- 有限的样本规模往往阻碍了传统的可靠性分析方法.
研究的目的:
- 提出一个有效的轴承可靠性评估方法,用于只有少数振动样本的场景.
- 使用生成对抗网络 (GAN) 增强数据样本,并通过最大原理和Poisson过程建立可靠性模型.
主要方法:
- 基于生成对抗网络 (GAN) 的数据样本增强,用于有限的数据集.
- 可靠性分析模型整合了最大原则和波桑过程.
- 基于可靠性变化频率,速度和加速的评估.
主要成果:
- 可靠性变化频率表现出非线性增长趋势,识别出不同的运行阶段 (初始,稳定,强烈).
- 可靠性变化速度有助于确定这些阶段的开始时间.
- 确定了可靠性变化加速与轴承剩余寿命之间的初步关系.
结论:
- 拟议的方法有效评估轴承的可靠性,使用更少的样本和没有预处理.
- 与XJTU-SY数据集所证明的现有模型相比,它提供了更高的准确性.
- 这项工作为现有的轴承可靠性分析技术提供了宝贵的补充.


