基于改进GAN模型的煤矿机械齿轮箱磨损故障检测

摘要

针对煤矿机械齿轮箱磨损故障检测存在的故障检测精度低、易受噪声干扰等不足，提出一种基于改进生成对抗网络（GAN）模型的检测方法。首先，构建GAN模型并计算Wasserstein距离；然后，利用神经网络模型定义齿轮箱故障形式，并提取内涵的故障特征以实施数据的预训练；最后，推导出检测模型的损失函数，实现对煤矿机械齿轮箱故障的定位与检测。实验结果表明，该方法能够根据磨损程度的不同而检测出煤矿机械齿轮箱的故障情况，在齿轮箱轻度磨损中检测出的噪声值为57.2 d B。该方法具有较好适用性和检测效果，能够基于特征提取和故障数据训练实现对磨损情况的检测。

关键词

煤矿机械 / GAN / 齿轮箱 / 磨损状态检测 / Wasserstein距离