边缘计算生成式对抗网络差分进化滚动轴承特征识别方法

滚动轴承是旋转机械系统中保障安全运行重要组成部分之一.开展滚动轴承特征识别具有重要理论实际应用价值.通常采用的深度学习滚动轴承特征识别方法,需要有监督标记数据或无监督故障数据参与训练,标签和故障数据不易获取,无法满足滚动轴承特征识别需求.本文提出了一种边缘计算生成式对抗网络差分进化滚动轴承特征识别EC-DE法.该方法训练过程采用健康数据训练生成式对抗网络,通过学习健康数据分布规律进行滚动轴承健康特征识别.边缘端对比输入样本与生成式对抗网络生成样本差异性进行识别,根据输入样本健康置信度提前退出,提高系统实时性;云端采用差分进化算法搜索生成式对抗网络生成器输入潜空间,获得输入样本对应生成器输入潜变量,提高识别精度.本文方法在CWRU滚动轴承公共数据集上的识别正确率达 99.8%且对超参数不敏感,推理阶段耗时降低,具有实际生产应用价值.