典型文献
基于改进生成对抗网络的抽油机故障诊断方法
文献摘要：
针对抽油机故障数据不足、样本分布不均衡的问题,提出一种基于自注意力机制的条件深度卷积生成对抗网络(CDCGAN:Conditional Deep Convolutional Generative Adversarial Networks)模型.该模型在 CDCGAN 的基础上引入自注意力机制,并在损失函数中加入约束生成图像分布的正则项,提高了生成图像的质量和多样性,有效地防止了模式崩溃的发生.采用Alexnet、VGG16等网络对生成的抽油机故障样本进行分类测试,实验结果表明,改进网络的生成数据质量更高,能够有效平衡抽油机故障数据,进一步提升了抽油机故障诊断的准确率.
文献关键词：
故障诊断;生成对抗网络;自注意力机制;模式崩溃
中图分类号：
作者姓名：
刘远红;王庆龙;张文华;张彦生;李鑫
作者机构：
东北石油大学电气信息工程学院,黑龙江大庆163318;杭州紫雨科技发展有限公司,杭州310000;大庆油田有限责任公司大庆钻探工程公司,黑龙江大庆163458
文献出处：
引用格式：
[1]刘远红;王庆龙;张文华;张彦生;李鑫-.基于改进生成对抗网络的抽油机故障诊断方法)[J].吉林大学学报（信息科学版）,2022(06):963-969
A类：
CDCGAN
B类：
改进生成对抗网络,抽油机,故障诊断方法,故障数据,样本分布,自注意力机制,深度卷积生成对抗网络,Conditional,Deep,Convolutional,Generative,Adversarial,Networks,损失函数,成图,正则项,模式崩溃,Alexnet,VGG16,进网,数据质量
AB值：
0.297145
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
