《表4 不同样本训练GAPCNN的准确率》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《数据失衡下基于WGAN和GAPCNN的轴承故障诊断研究》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

为了验证本文提出通过WGAN解决数据集失衡问题的可行性，将数据集A中每类故障样本分别输入到WGAN中进行对抗训练。当WGAN达到纳什均衡时，从生成器中为每类故障生成指定数量的样本数据（内圈、外圈、滚动体分别生成1 300、1 200、1 000个样本数据），然后将其混合到原始样本中。至此，每类故障共有1 500个混合样本数据，称其为数据集D。随后分别用混合样本数据集D和原始样本数据集B训练GAPCNN，通过比较两者在相同测试集下的分类准确率来判别本文方法的可靠性。为了保证实验变量的唯一性，本文采用的测试集均来自数据集C中。图12为两者在相同测试集下故障分类诊断的准确率。表4为不同迭代次数下两者的准确率对比。