[發明專利]一種生產線故障檢測方法

在審

• 申請號: 202010480381.3
• 申請日: 2020-05-30
• 公開（公告）號: CN111723851A
• 公開（公告）日: 2020-09-29
• 發明（設計）人: 朱芳來;顧鵬
• 申請（專利權）人: 同濟大學
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N3/04;G06N3/08;G06Q10/00
• 代理公司: 上?？剖⒅R產權代理有限公司 31225
• 代理人: 宣慧蘭

本發明涉及一種生產線故障檢測方法，包括：獲得隨機噪聲和原始訓練數據；利用隨機噪聲和原始訓練數據訓練對抗生成網絡，訓練強化學習網絡；得到模擬數據，并將篩選結果反饋至對抗生成網絡；利用模擬數據和原始訓練數據訓練梯度上升決策樹，得到生產線故障分類；利用測試集測試對抗生成網絡、強化學習網絡和梯度上升決策樹，滿足設定條件時得到有效對抗生成網絡、有效強化學習網絡和有效梯度上升決策樹；利用現場數據、有效對抗生成網絡、有效強化學習網絡和有效梯度上升決策樹進行生產線故障檢測。與現有技術相比，實用性強，可提高機器的使用壽命和產量。

技術領域

本發明涉及工業生產線領域，尤其是涉及一種生產線故障檢測方法。

背景技術

在工業領域，為了增強設備的可用性，提高機器的使用壽命，降低因機器故障原因導致產量下降的概率，機器運行狀態的監控越來越受到工業界的重視。如何減少設備維修的費用，縮短設備故障反應時間，成為工業界急需解決的技術瓶頸問題之一。

隨著信息化時代，人工智能技術飛速發展，物聯網、云計算、大數據、人工智能等技術的逐步應用，使得傳統工業界朝向自動化智能化轉型。

因此基于數據的故障診斷技術應運而生，核心思想是通過對含有故障的信號，利用信號處理技術，找出和故障有關的特征，利用特征對設備進行預測與判斷。目前，已有的技術包括能量譜包絡分析方法，時頻分析方法，SVM方法，神經網絡方法等。

然而在工業生產線中，故障數據是十分稀少的，對于生產線上嚴重不均衡數據對基于數據的故障診斷技術提出了嚴峻的考驗。國內外也在努力研究如何克服不均衡數據集對模型產生的影響。

發明內容

本發明的目的就是為了克服上述現有技術存在的缺陷而提供一種生產線故障檢測方法。

本發明的目的可以通過以下技術方案來實現：

一種生產線故障檢測方法，該方法包括以下步驟：

步驟S1：獲得隨機噪聲和原始訓練數據；

步驟S2：利用隨機噪聲和原始訓練數據訓練對抗生成網絡，對抗生成網絡的生成數據和原始訓練數據成對進入強化學習網絡，訓練強化學習網絡；

步驟S3：強化學習網絡根據原始訓練數據對生成數據進行篩選，得到模擬數據，并將篩選結果反饋至對抗生成網絡；

步驟S4：利用模擬數據和原始訓練數據訓練梯度上升決策樹，得到生產線故障分類；

步驟S5：利用測試集測試對抗生成網絡、強化學習網絡和梯度上升決策樹，滿足設定條件時得到有效對抗生成網絡、有效強化學習網絡和有效梯度上升決策樹；

步驟S6：利用現場數據、有效對抗生成網絡、有效強化學習網絡和有效梯度上升決策樹進行生產線故障檢測。

隨機噪聲為正態分布的隨機數。

利用隨機噪聲與原始訓練數據訓練對抗生成網絡的過程包括：

對抗生成網絡的生成器利用隨機噪聲得到生成數據；

對抗生成網絡的鑒別器利用原始訓練數據和對應標簽對生成數據進行鑒別；

滿足對抗生成網絡預設條件時停止訓練。

訓練強化學習網絡的過程包括：

強化學習網絡的卷積特征提取器提取生成數據-原始訓練數據對之間的特征；

計算生成數據-原始訓練數據對的相似度的多維描述，對相似度進行拼接后進行強化學習網絡訓練；

滿足強化學習網絡預設條件時停止訓練。