タイム周波数DCGAN処理を利用したベアリングの不均衡データに基づく故障診断方法

ベアリング故障サンプルの不均衡データセットを対象に、深層畳み込み生成敵ネットワーク（DCGAN）に基づくベアリング振動信号のタイム周波数変換と処理に基づいた故障診断方法を提案します。まず、短時間フーリエ変換（STFT）を用いて振動信号をタイム周波数画像に変換し、その後タイム周波数画像をDCGANに入力して故障サンプルを拡張します。次に、拡張された故障サンプルの画像品質をピーク信号対雑音比（PSNR）と構造的類似性（SSIM）の総合的な方法で評価します。三番目に、Cannyエッジ検出アルゴリズムを使用してタイム周波数画像の特徴を抽出し、得られた2値画像を特徴として使用します。最後に、k近傍法を用いて分類を行い、タイム周波数DCGAN処理の優位性を証明します。実験結果は、拡張サンプルがサンプルの不均衡を効果的に改善し、ベアリングの故障診断の精度を向上させることを示しています。