文章标题：基于CGAN和BiLSTM的内燃机故障诊断方法

文章作者：吴唐奕^1,2, 刘腾², 王俊雄¹
关 键 字：故障诊断|热工故障|条件生成对抗网络（CGAN）|双向长短期记忆网络（BiLSTM）
文章摘要：构建神经网络分类器，使其能够依据热工参数的变化规律，精准识别包括复合故障在内的各类故障；同时，针对实际应用中存在的数据不平衡问题，提出切实可行的解决办法。首先基于双向长短期记忆网络（BiLSTM）构建故障诊断分类器，经仿真数据训练验证其基础性能达标；针对实际应用中故障样本较少的问题，补充构建条件生成对抗网络（CGAN）生成与原始数据规律一致的相似样本，提升分类器对少数类故障辨别能力；最终通过中船动力M320DM-PFI双燃料机实际试验数据验证性能。仿真数据验证显示，BiLSTM 分类器诊断准确率为100%；CGAN可保留原始特征生成新样本，生成数据的JS散度均在0.3以下，与原始数据分布近似；数据增强后，分类器的召回率从80%提升至100%，诊断性能显著优化。CGAN数据增强方法与BiLSTM分类器结合可有效提高少数类的诊断准确性，为实际的热工故障诊断提供参考。