精选
Research on imbalanced sample abnormal detection method for planetary gear systems based on GGAN
科学家完成基于GGAN的行星齿轮系统不平衡样本异常检测方法研究
山东协和学院Yingjie Zhao等研究人员合作完成基于GGAN的行星齿轮系统不平衡样本异常检测方法研究。相关论文于2026年4月发表在国际学术期刊《机械工程进展》上。
针对行星齿轮传动系统在非对称样本条件下异常检测准确率低、鲁棒性差的问题，研究人员提出了一种广义生成对抗网络（GGAN）方法。该方法融合了生成对抗网络、自编码器以及对比学习机制。通过利用多尺度判别器和残差网络提取非线性特征差异，并结合核密度估计对异常概率进行量化，显著提高了异常检测的准确性。
在基于GGAN的异常检测方法基础上，研究人员进一步构建了一个三阶段异常评估框架。在正常运行阶段，仅利用正常样本训练初始检测模型；在早期退化阶段，利用少量异常样本对检测阈值和模型参数进行优化；在严重退化阶段，引入多场景数据融合与相似性分析，以实现稳健评估。
实验结果表明，该方法可为相关领域的研究与应用提供理论支持和实践参考。
Advances in Mechanical Engineering
本刊是本经过同行评审的开放获取期刊。面向机械工程各个领域出版原创论文以及综述文章，欢迎来自基础及应用领域的原创研究并鼓励具有新颖和创新见解的投稿。
期刊优势
影响因子：2.0
期刊分区：JCR Q3, ENGINEERING, MECHANICAL; THERMODYNAMICS
期刊网址:
往期研究:
投稿网址:
转载本文请联系原作者获取授权，同时请注明本文来自Sage学术科学网博客。
链接地址：https://wap.sciencenet.cn/blog-3650976-1539434.html?mobile=1
收藏
