[發(fā)明專利]一種基于生成對抗網(wǎng)絡(luò)高速列車量測數(shù)據(jù)缺失重建的方法

在審

• 申請?zhí)枺?/td>: 202011072927.8
• 申請日: 2020-10-09
• 公開（公告）號: CN112395737A
• 公開（公告）日: 2021-02-23
• 發(fā)明（設(shè)計(jì)）人: 張昌凡;陳泓潤;何靜;楊皓楠;孟德志
• 申請（專利權(quán)）人: 湖南工業(yè)大學(xué)
• 主分類號: G06F30/20
• 分類號: G06F30/20;G06N3/04;G06N3/08
• 代理公司: 廣州粵高專利商標(biāo)代理有限公司 44102
• 代理人: 楊千尋;馮振寧

本發(fā)明提供一種基于生成對抗網(wǎng)絡(luò)高速列車量測數(shù)據(jù)缺失重建的方法，包括以下步驟：S1、建立高速列車運(yùn)行狀態(tài)檢測數(shù)據(jù)處理模型；S2、采集數(shù)據(jù)集并對采集的離散數(shù)據(jù)進(jìn)行預(yù)處理；S3、運(yùn)用生成對抗網(wǎng)絡(luò)無監(jiān)督生成缺失部分的數(shù)據(jù)；S4、對缺失部分?jǐn)?shù)據(jù)進(jìn)行合理插補(bǔ)，輸出完整數(shù)據(jù)結(jié)果。本發(fā)明在通過生成對抗網(wǎng)絡(luò)模型能夠從無規(guī)律的離散量測數(shù)據(jù)及中無監(jiān)督的學(xué)習(xí)數(shù)據(jù)特征，保證了在不同缺失率情況下仍能保持較高的數(shù)據(jù)重建精度；同時在生成對抗網(wǎng)絡(luò)中小卷積核的應(yīng)用使得其在精度相差不高的情況下極大的降低了參數(shù)的運(yùn)算，有效的提升了重建缺失數(shù)據(jù)速度。

技術(shù)領(lǐng)域

本發(fā)明涉及一種數(shù)據(jù)缺失重建方法，更具體地，涉及一種基于生成對抗網(wǎng)絡(luò) 高速列車量測數(shù)據(jù)缺失重建的方法。

背景技術(shù)

高速列車具有速度快、效率高、占地少、能耗低、污染小的優(yōu)勢，在我國交 通運(yùn)輸體系起到重要骨干作用。高速列車一直面臨長期高負(fù)荷運(yùn)營下的安全保障 問題，因此高速列車運(yùn)維的水平高低成為了決定系統(tǒng)安全的首要問題。高速列車 在運(yùn)行的過程中供電系統(tǒng)數(shù)據(jù)采集與監(jiān)控對列車的狀態(tài)評估、系統(tǒng)故障判斷起到 了至關(guān)重要的作用。但由于列車要穿越山區(qū)區(qū)段、連續(xù)隧道、等多種多樣的復(fù)雜 環(huán)境，會有網(wǎng)絡(luò)故障、傳輸中斷、諧波干擾等現(xiàn)象的產(chǎn)生，導(dǎo)致監(jiān)測數(shù)據(jù)中存在 大量數(shù)據(jù)缺失情況，無法得到缺失數(shù)據(jù)段的相關(guān)故障特征信息，使后期的多源信 息融合造成較大的誤差，不利于故障的判定。只有對缺失數(shù)據(jù)最大程度的數(shù)據(jù)重 建達(dá)到系統(tǒng)實(shí)時準(zhǔn)確的監(jiān)控才能保持運(yùn)行過程的安全和穩(wěn)定運(yùn)行。

現(xiàn)有的研究當(dāng)中，已經(jīng)提出了許多缺失數(shù)據(jù)處理的方法，比如EM算法、 KNN算法、MF算法這些傳統(tǒng)方法都在實(shí)際應(yīng)用都己經(jīng)較為成熟，但是上述算 法在處理高速列車運(yùn)行中多工況環(huán)境、缺失數(shù)據(jù)較多情況下時，就會使插補(bǔ)的結(jié) 果的不準(zhǔn)確，算法計(jì)算速度也會出現(xiàn)下降。

發(fā)明內(nèi)容

本發(fā)明針對現(xiàn)有處理高速列車量測缺失數(shù)據(jù)方法中，多工況環(huán)境、缺失數(shù)據(jù) 較多情況下，插補(bǔ)結(jié)果不佳的情況的問題。提供一種基于生成對抗網(wǎng)絡(luò)高速列車 量測數(shù)據(jù)缺失重建的方法，解決缺失數(shù)據(jù)較多帶來的重建不準(zhǔn)確的問題，同時提 高重建速度。

為實(shí)現(xiàn)上述目的，本發(fā)明采用以下技術(shù)方案：

S1、建立高速列車運(yùn)行狀態(tài)檢測數(shù)據(jù)處理模型；

S2、采集數(shù)據(jù)集并對采集的離散數(shù)據(jù)進(jìn)行預(yù)處理；

S3、運(yùn)用生成對抗網(wǎng)絡(luò)無監(jiān)督生成缺失部分的數(shù)據(jù)；

S4、對缺失部分?jǐn)?shù)據(jù)進(jìn)行合理插補(bǔ)，輸出完整數(shù)據(jù)結(jié)果。

進(jìn)一步的，在步驟S1中高速列車運(yùn)行狀態(tài)檢測數(shù)據(jù)處理模型包括數(shù)據(jù)采集 模塊、數(shù)據(jù)預(yù)處理模塊、Wasserstein生成對抗網(wǎng)絡(luò)模塊、數(shù)據(jù)缺失部分重建模塊 四個模塊。

進(jìn)一步的，數(shù)據(jù)采集模塊通過電流傳感器、電壓傳感器來獲取訓(xùn)練數(shù)據(jù)集、 驗(yàn)證數(shù)據(jù)集。

進(jìn)一步的，在步驟S2中數(shù)據(jù)預(yù)處理包括離散數(shù)據(jù)升維流程，將原始數(shù)據(jù)的 1-D形式轉(zhuǎn)化為無需參數(shù)設(shè)定2-D的網(wǎng)格矩陣的形式。

進(jìn)一步的，離散數(shù)據(jù)升維流程具體流程為將采集的高速列車離散量測數(shù)據(jù)進(jìn) 行分段截取后，高維映射為一個2-D網(wǎng)格矩陣形式，并將整個2D網(wǎng)格矩陣從0 歸一化到255。

進(jìn)一步的，在步驟S3中運(yùn)用生成對抗網(wǎng)絡(luò)無監(jiān)督生成缺失部分的數(shù)據(jù)包括 以下流程：(1)首先將預(yù)處理過的數(shù)據(jù)輸入到生成對抗網(wǎng)絡(luò)模型中進(jìn)行訓(xùn)練調(diào)參； (2)然后將訓(xùn)練好的生成對抗模型用于對缺失部分的數(shù)據(jù)進(jìn)行生成；(3)采用 Wasserstein距離來約束生成數(shù)據(jù)；(4)直到生成數(shù)據(jù)小于Wasserstein距離后結(jié) 束生成。

進(jìn)一步的，在步驟S4中輸出的完整數(shù)據(jù)結(jié)果由原數(shù)據(jù)未含數(shù)據(jù)缺失的部分 與生成的數(shù)據(jù)缺失部分組成。

進(jìn)一步的，采用實(shí)驗(yàn)仿真驗(yàn)證本方法的的有效性和實(shí)用性，實(shí)驗(yàn)仿真通過 python代碼實(shí)現(xiàn)。