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。

为解决样本不对称条件下行星齿轮箱异常检测精度低、鲁棒性差的问题，研究人员提出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、自编码器与对比学习机制，通过多尺度判别器和残差网络提取非线性特征差异，并结合核密度估计量化异常概率，显著提升了异常检测精度。

在基于GGAN的异常检测方法基础上，研究人员构建了一个三阶段异常评估框架：正常运行阶段，仅使用正常样本训练初始检测模型；早期退化阶段，利用少量异常样本精调检测阈值和模型参数；严重退化阶段，引入多场景数据融合与相似性分析，实现鲁棒评估。实验结果表明，所提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: 

https://sage.cnpereading.com/home/ADE?utm_source=wechat&utm_medium=china_social&utm_campaign=sciencenet_ade_260116

往期研究:

https://sage.cnpereading.com/search//openoa/adea?utm_source=wechat&utm_medium=china_social&utm_campaign=sciencenet_ade_260116

投稿网址:

https://mc.manuscriptcentral.com/aime?utm_source=wechat&utm_medium=china_social&utm_campaign=sciencenet_ade_260116

支持单位：