科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对基于卷积神经网络的航空滚动轴承故障诊断模型鲁棒性差造成的诊断安全性问题，本文提出了一种连续小波变换-对抗训练-卷积神经网络(CWT-AT-CNN)轴承故障诊断方法，它将卷积神经网络与对抗攻击相结合，以提高故障诊断的准确性和可靠性。首先，基于连续小波变换将原始信号转换为时频图，从而更全面地捕捉信号的时域和频域特征。其次，针对卷积神经网络模型鲁棒性差的问题，本文使用一种基于DeepFool算法的对抗训练方法来提高模型鲁棒性，这使得模型在面对外界攻击时仍保持较高的准确率。实验证明，经过对抗训练后，模型在受到攻击时轴承故障识别准确率从18.5%提升至85.5%，表明对抗训练可以有效提高模型的可靠性。
- 出版日期2023
- 单位哈尔滨工业大学; 中国航发哈尔滨轴承有限公司
