[發(fā)明專利]基于潛在特征編碼的機(jī)械異常檢測方法

有效

• 申請?zhí)枺?/td>: 201910323189.0
• 申請日: 2019-04-22
• 公開（公告）號(hào): CN110060368B
• 公開（公告）日: 2020-03-10
• 發(fā)明（設(shè)計(jì)）人: 王俊;戴俊;黃偉國;石娟娟;朱忠奎
• 申請（專利權(quán)）人: 蘇州大學(xué)
• 主分類號(hào): G07C3/00
• 分類號(hào): G07C3/00;G06F30/27;G06N3/08
• 代理公司: 蘇州市中南偉業(yè)知識(shí)產(chǎn)權(quán)代理事務(wù)所(普通合伙) 32257
• 代理人: 曹成俊

1.一種基于潛在特征編碼的機(jī)械異常檢測方法，其特征在于，包括：

數(shù)據(jù)預(yù)處理：對振動(dòng)信號(hào)數(shù)據(jù)進(jìn)行預(yù)處理，包括傅立葉變換和歸一化；

正向傳播：將預(yù)處理完的信號(hào)輸入第一個(gè)全卷積網(wǎng)絡(luò)，對數(shù)據(jù)進(jìn)行編碼，得到樣本信號(hào)的潛在特征編碼，然后將樣本信號(hào)的潛在特征編碼輸入到生成對抗網(wǎng)絡(luò)中，通過生成對抗網(wǎng)絡(luò)相互對抗學(xué)習(xí)，對樣本信號(hào)的潛在特征編碼進(jìn)行解碼，不斷接近真實(shí)樣本信號(hào)的數(shù)據(jù)分布，得到重構(gòu)信號(hào)，最后將重構(gòu)信號(hào)輸入到第二個(gè)全卷積網(wǎng)絡(luò)，得到重構(gòu)信號(hào)的潛在特征編碼；

反向傳播：定義網(wǎng)絡(luò)損失函數(shù)，根據(jù)損失函數(shù)反向傳播，對全卷積網(wǎng)絡(luò)、生成對抗網(wǎng)絡(luò)進(jìn)行迭代優(yōu)化，最后完成訓(xùn)練；

網(wǎng)絡(luò)測試：向訓(xùn)練完成的網(wǎng)絡(luò)模型輸入機(jī)械當(dāng)前的信號(hào)，計(jì)算該信號(hào)樣本中原始信號(hào)的潛在特征編碼與其重構(gòu)信號(hào)的潛在特征編碼之間的損失；

異常檢測：持續(xù)觀察新測量信號(hào)潛在特征編碼損失的變化情況，當(dāng)變化幅度大于第一閾值且持續(xù)時(shí)間大于第二閾值時(shí)，判定機(jī)械出現(xiàn)異常；

其中，“正向傳播：”中，采用生成對抗網(wǎng)絡(luò)來學(xué)習(xí)樣本信號(hào)的數(shù)據(jù)分布特征；

其中，“數(shù)據(jù)預(yù)處理：”中，輸入的信號(hào)是機(jī)械在正常工況條件下的振動(dòng)信號(hào)；

其中，“正向傳播：”中，將全卷積網(wǎng)絡(luò)的輸出作為生成網(wǎng)絡(luò)的輸入；

其中，“網(wǎng)絡(luò)測試：”中，網(wǎng)絡(luò)測試的過程中，輸入的測量信號(hào)是機(jī)械正常或者故障情況下的振動(dòng)信號(hào)；

其中，網(wǎng)絡(luò)優(yōu)化過程中的損失函數(shù)包括：1)重構(gòu)數(shù)據(jù)損失，樣本信號(hào)與重構(gòu)信號(hào)間的損失，代表了樣本信號(hào)與重構(gòu)信號(hào)的相似度；2)潛在特征編碼損失，樣本信號(hào)潛在特征編碼與重構(gòu)信號(hào)潛在特征編碼的損失，代表了樣本信號(hào)的潛在特征編碼與重構(gòu)信號(hào)的潛在特征編碼之間的相似度；3)判別特征損失，代表了判別網(wǎng)絡(luò)對信號(hào)進(jìn)行判別時(shí)，從信號(hào)中提取出的特征的可靠性；4)判別網(wǎng)絡(luò)損失，代表了判別網(wǎng)絡(luò)對信號(hào)的判別的準(zhǔn)確性，根據(jù)損失反向傳播，對判別和生成網(wǎng)絡(luò)依次進(jìn)行優(yōu)化；

網(wǎng)絡(luò)優(yōu)化過程中首先固定生成網(wǎng)絡(luò)和兩個(gè)全卷積網(wǎng)絡(luò)，根據(jù)判別網(wǎng)絡(luò)損失，優(yōu)化判別網(wǎng)絡(luò)，其次固定判別網(wǎng)絡(luò)，優(yōu)化生成網(wǎng)絡(luò)和兩個(gè)全卷積網(wǎng)絡(luò)，將重構(gòu)數(shù)據(jù)損失、潛在特征編碼損失和特征誤差損失相加，進(jìn)行反向傳播，提高生成網(wǎng)絡(luò)生成信號(hào)的準(zhǔn)確性，以及全卷積網(wǎng)絡(luò)的特征提取能力。

2.如權(quán)利要求1所述的基于潛在特征編碼的機(jī)械異常檢測方法，其特征在于，“反向傳播：”中，反向傳播的優(yōu)化算法包括隨機(jī)梯度下降法、帶動(dòng)量的隨機(jī)梯度下降、Nesterov動(dòng)量法、Adagrad算法或自適應(yīng)矩估計(jì)法。

3.一種計(jì)算機(jī)設(shè)備，包括存儲(chǔ)器、處理器及存儲(chǔ)在存儲(chǔ)器上并可在處理器上運(yùn)行的計(jì)算機(jī)程序，其特征在于，所述處理器執(zhí)行所述程序時(shí)實(shí)現(xiàn)權(quán)利要求1到2任一項(xiàng)所述方法的步驟。

4.一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，其上存儲(chǔ)有計(jì)算機(jī)程序，其特征在于，該程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)權(quán)利要求1到2任一項(xiàng)所述方法的步驟。

5.一種處理器，其特征在于，所述處理器用于運(yùn)行程序，其中，所述程序運(yùn)行時(shí)執(zhí)行權(quán)利要求1到2任一項(xiàng)所述的方法。