[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

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，涉及機故障信號識別領域。本發明是為了解決現有的機械設備故障信號識別方法準確率不高的問題。本發明所述的包含一個生成器和多個判別器的基于課堂式生成對抗網絡模型識別機械設備故障信號的方法包括：獲取機械設備正常振動信號和機械設備故障振動信號；將獲取的機械設備信號劃分為測試集和訓練集；設置課堂式生成對抗網絡結構參數；獲取一個批量的樣本；計算生成能力的提升值；計算每個生成器對判別器損失函數值影響權重；計算判別器的損失函數；計算生成器的損失函數；測試判別器的準確性；將機械設備振動信號輸入準確率最高的分類模型得到識別結果。

技術領域

本發明故障信號識別領域，特別涉及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。

背景技術

在現代工業中，機械設備故障的出現會給設備帶來較大的安全隱患，因此，為了保證設備的安全，對故障信息進行有效分析，了解和掌握設備在使用過程中的狀態，確定其整體或局部是正常或異常，早期發現故障，并對故障的發生進行判斷并消除是十分必要的。

現有的故障診斷中，最為常見的是根據設備故障信號的振動信號特征進行故障檢測與定位。根據發生故障時設備表現出了異常振動信號特征，判斷是否有故障發生。傳統大多數基于機器學習的故障信號識別方法都是基于平衡數據進行的，但是在現實生活中機械設備故障信號數據收集困難且體量較小，這就導致了目前的機械設備故障信號識別方法準確率不高的問題。

發明內容

本發明目的是為了解決現有的機械設備故障信號識別方法準確率不高的問題，而提出了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。

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，具體過程為：

步驟一、獲取機械設備正常的振動信號和機械設備故障的振動信號；

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；

所述機械設備正常的振動信號通過隨機采樣的方式劃分為訓練集和測試集；

所述機械設備故障的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；

步驟四、根據先驗概率分布從訓練集中進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利用損失函數值對對判別器進行訓練；

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；

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。

本發明的有益效果為：

本發明對現有的生成對抗網絡模型進行了改進，將生成對抗網絡模型構建成有多個生成器和一個判別器的模型，提出一個權重分配函數自適應調節各生成器對判別器損失函數的影響權重，使得各生成器共同協作，提高判別器與訓練樣本空間的貼合程度，訓練得到一個性能優異的判別器，并將其應用于機械設備故障信號識別任務中，從而提升對機械設備故障信號識別的準確率。

附圖說明

圖1為基于課堂式生成對抗網絡模型結構圖；