基于擴(kuò)散模型的滾動軸承小樣本故障診斷研究

摘要： 足夠的訓(xùn)練樣本數(shù)量是智能故障診斷達(dá)到較高準(zhǔn)確率的基礎(chǔ)，一方面?zhèn)鹘y(tǒng)小樣本問題的解決方法，其擴(kuò)充過程不穩(wěn)定、生成樣本質(zhì)量不高；另一方面去噪擴(kuò)散概率模型(denoising diffusion probability model, DDPM)在高質(zhì)量圖像生成等領(lǐng)域被廣泛應(yīng)用?；诖?，提出一種基于DDPM的小樣本故障診斷方法。首先，將軸承原始振動信號通過連續(xù)小波變換得到二維時頻圖；然后... （共6頁）