[發明專利]基于生成式對抗網絡的空氣處理機組的故障診斷方法

在審

• 申請號: 201910197936.0
• 申請日: 2019-03-15
• 公開（公告）號: CN109813542A
• 公開（公告）日: 2019-05-28
• 發明（設計）人: 嚴珂;鐘超文
• 申請（專利權）人: 中國計量大學
• 主分類號: G01M13/00
• 分類號: G01M13/00;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種基于生成式對抗網絡的空氣處理機組的故障診斷方法，其特征在于：包括以下步驟：

數據預處理，通過對將缺失和重復的數據刪除，將數據集進行歸一化處理和特征選取，以加快樣本生成模型的收斂速度，減少數據維度；

故障樣本生成模型構建，通過采樣到的真實故障樣本訓練故障樣本生成模型，學習真實故障樣本的分布；

樣本評估模型構建，提出使用真實故障樣本訓練一個評估模型對生成樣本進行挑選，用于訓練故障診斷模型的生成的故障樣本與真實樣本的分布的接近程度，以評估生成樣本的質量；

故障診斷模型構建，通過使用上述生成的樣本訓練故障診斷模型，對現實中空氣處理機組運行時所產生數據進行檢測，診斷設備是否發生故障。

2.根據權利要求1所述的基于生成式對抗網絡的空氣處理機組的故障診斷方法，其特征在于：所述的特征選取是指，使用基于SVM分類器的代價敏感的序列前向特征選擇算法進行特征選取，從一個預定的特征子集開始，直到選出最重要的特征為止。

3.根據權利要求1或2所述的基于生成式對抗網絡的空氣處理機組的故障診斷方法，其特征在于：生成大量故障樣本用于故障診斷模型中，對空氣處理機組的數據進行分類，使用支持向量機來實現使同一種故障分在一類中。

4.根據權利要求1所述的基于生成式對抗網絡的空氣處理機組的故障診斷方法，其特征在于：經樣本評估模型評估后，挑選出的質量高的生成樣本加入樣本評估模型的訓練集對評估模型進一步訓練，再繼續對生成樣本進行挑選。

5.根據權利要求1-4任意一種所述的基于生成式對抗網絡的空氣處理機組的故障診斷方法，其特征在于：對數據集進行所述的歸一化處理是指，使用＝離差標準化，對原始數據進行線性變換，使用以下公式使結果值映射到[0，1]之間；

其中，Min＝0，Max＝1。

6.根據權利要求1-4任意一種所述的基于生成式對抗網絡的空氣處理機組的故障診斷方法，其特征在于：所述故障樣本生成模型為條件Wasserstein生成對抗網絡模型，通過將Wasserstein生成對抗網絡與條件型生成對抗網絡結合建立條件Wasserstein生成對抗網絡模型，包括生成器和判別器；

將預處理好的數據作為條件Wasserstein生成對抗網絡模型的訓練集，設x和z分別是從訓練集的分布P_data(x)和一個先驗噪聲分布P_z(z)中采樣出的真實樣本和噪聲；為了學習P_data(x)的分布，由先驗噪聲分布P_z(z)構建了一個映射空間G(z；θ_g)；相應的判別器的映射函數為D(x；θ_d)，輸出x為真實數據概率，目標函數表征獲得最接近真實樣本的生成樣本，如下式所示；

其中，期望中，D(x|c)表示判別器判斷輸入的樣本x在c的條件下為真實樣本的概率；在期望中x表示生成網絡生成的樣本，D(x|c)表示判別器判斷生成樣本是真實樣本的概率，為懲罰項，λ為懲罰因子，生成器的最終目標是讓生成的樣本無限接近真實樣本；而判別器的目的是盡可能的將真實樣本和生成樣本區分開。