TY -的A2 -沈,长庆盟——姚明,Dechen盟——太阳,羌族非盟-杨,健胃盟——刘、焦Hengchang AU -张,PY - 2020 DA - 2020/11/07 TI -铁路紧固件故障诊断基于生成对抗网络和残余网络模型SP - 8823050六世- 2020 AB -目前的工作旨在减少负样本的问题和更积极的样本在铁路紧固件故障诊断和检测精度低重手工巡逻检查任务。利用卷积神经网络(CNN)的能力来处理不平衡数据解决繁琐和低效的手工处理,基于生成敌对的网络故障诊断方法(GAN)和残余网络(ResNet)开发。首先,氮化镓是用来跟踪铁路紧固件失效的分布数据。研究了噪声分布,建立了图像数据之间的映射关系。额外的实际故障样本然后生成平衡和扩展现有的数据集,这些数据集被用作ResNet输入用于识别和检测培训。最后,多个实验的平均精度作为评价指标。故障诊断的实验结果表明,基于氮化镓铁路紧固件和ResNet可以提高故障检测的准确性严重短缺的情况下的故障数据。SN - 1070 - 9622你——https://doi.org/10.1155/2020/8823050 - 10.1155 / 2020/8823050摩根富林明冲击和振动PB - Hindawi KW - ER