[發明專利]基于課堂式生成對抗網絡模型的機械設備故障信號識別方法

有效

• 申請號: 202011340437.1
• 申請日: 2020-11-25
• 公開（公告）號: CN112308038B
• 公開（公告）日: 2022-09-27
• 發明（設計）人: 林琳;呂彥誠;郭豐;鐘詩勝;劉杰;郭昊
• 申請（專利權）人: 哈爾濱工業大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G06N3/04
• 代理公司: 哈爾濱市松花江專利商標事務所 23109
• 代理人: 時起磊

1.基于課堂式生成對抗網絡模型的機械設備故障信號識別方法，其特征在于包括以下步驟：

步驟一、獲取機械設備正常振動信號和機械設備故障振動信號；

步驟二、將步驟一獲取的機械設備振動信號劃分為測試集和訓練集；

所述機械設備正常振動信號通過隨機采樣的方式劃分為訓練集和測試集；

所述機械設備故障振動信號全部作為測試集；

步驟三、設置課堂式生成對抗網絡結構參數：

步驟三一、建立基于課堂式生成對抗網絡模型：

所述基于課堂式生成對抗網絡模型包含一個判別器和多個生成器：

構建模型的生成器：

其中，G是生成器，N是生成器的數量，X是生成數據，Z是噪聲變量，G_i是第i個生成器；

其中各個生成器之間共享輸入數據及判別網絡，同時生成器混合結構為判別器提供學習信號；

步驟三二、設置所述課堂式生成對抗網絡結構參數，包括：生成器的數量、基于課堂式生成對抗網絡的分類模型機構、訓練次數，啟動訓練次數、調節參數、批量大小；

步驟四、根據先驗概率分布從訓練集中行取樣獲得一個批量的樣本；

步驟五、利用獲取的樣本訓練生成器并計算每個生成器在前次訓練中生成能力的提升值；

所述生成能力的提升值是前次訓練前后判別器對各生成數據判別的損失函數值產生變化的值；

步驟六、根據步驟五計算的生成能力的提升值利用權值函數計算每個生成器對判別器損失函數值影響權重λ_i,t；

步驟七、利用獲取的樣本計算判別器的損失函數并利用損失函數值對判別器進行訓練；

步驟八、利用獲取的樣本計算每個生成器損失函數值并利用損失函數值對各生成器進行訓練；

步驟九、利用判別器對測試集數據進行分類，測試判別器準確性獲得準確率最高的判別器模型；

步驟十、獲取待檢測的機械設備振動信號并輸入對測試集數據分類準確率最高的判別器模型。

2.根據權利要求1所述的基于課堂式生成對抗網絡模型的機械設備故障信號識別方法，其特征在于所述步驟四中根據先驗分布從訓練集中進行隨機取樣得到一個批量的樣本為：

其中，x是訓練集中的真實機械設備振動信號，z是噪聲樣本，i是樣本編號，p_x是x的概率分布，p_z是z的概率分布，m是批量。

3.根據權利要求2所述的基于課堂式生成對抗網絡模型的機械設備故障信號識別方法，其特征在于所述步驟五中計算每個生成器在前次訓練中生成能力的提升值，具體過程為：

其中，D_t-1是第t-1次訓練后的判別器，D_t-2是第t-2次訓練后的判別器，G_i,t-1是第t-1次訓練后的第i個生成器，G_i,t-2是第t-2次訓練后的第i個生成器，z_t-1是第t-1次訓練中采樣的噪聲樣本；z_t-2是第t-2次訓練中采樣的噪聲樣本，是當z_t-1～p_z時的期望值，是當z_t-2～p_z時的期望值。

4.根據權利要求3所述的基于課堂式生成對抗網絡模型的機械設備故障信號識別方法，其特征在于所述步驟六中根據步驟五計算的生成能力的提升值利用權值函數計算每個生成器對判別器損失函數值影響權重λ_i,t，具體過程為：

其中，Q_i,t是第i個生成器第t次訓練前的生成能力提升值，α≥0是可供調節的超參數，N是模型中生成器的個數。