[發明專利]一種基于條件對抗生成網絡的多類別故障數據生成方法

在審

• 申請號: 202210409795.6
• 申請日: 2022-04-19
• 公開（公告）號: CN114757286A
• 公開（公告）日: 2022-07-15
• 發明（設計）人: 吳承科;楊之樂;郭媛君;譚勇;朱俊丞;劉祥飛;胡天宇;唐夢懷;譚家娟;王麗媛
• 申請（專利權）人: 中科航邁數控軟件（深圳）有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06V10/764;G06V10/774;G06V10/82;G06N3/04;G06N3/08
• 代理公司: 深圳市君勝知識產權代理事務所(普通合伙) 44268
• 代理人: 陳專

1.一種基于條件對抗生成網絡的多類別故障數據生成方法，其特征在于，所述方法包括：

獲取多軸工業數控機床核心部件的真實故障數據，并對所述真實故障數據進行特征提取，并創建故障數據集；

對所述故障數據集進行分類，得到若干故障類別，并為每一種故障類別定義故障標簽，將所述故障標簽定義作為條件信息；

構建對抗生成網絡，并基于隨機噪聲數據以及所述條件信息對所述對抗生成網絡中的生成器與判別器進行更新訓練，得到條件對抗生成網絡；

基于條件對抗生成網絡，輸入所述隨機噪聲數據與所述條件信息，生成不同類別的多軸工業數控機床核心部件的故障數據，支持下游故障識別模型訓練。

2.根據權利要求1所述的基于條件對抗生成網絡的多類別故障數據生成方法，其特征在于，所述獲取多軸工業數控機床核心部件的真實故障數據，并對所述真實故障數據進行特征提取，并創建故障數據集，包括：

獲取多軸工業數控機床核心部件的真實故障數據；

對所述真實故障數據進行時頻域采樣和特征提取，得到故障特征，并根據所述故障特征，構建所述故障數據集。

3.根據權利要求1所述的基于條件對抗生成網絡的多類別故障數據生成方法，其特征在于，所述對所述真實故障數據集進行分類，得到若干故障類別，并為每一種故障類別定義故障標簽，將所述故障標簽定義作為條件信息，包括：

基于所述故障特征，采用聚類算法對所述故障數據集進行分類，得到各個故障特征所對應的故障類別；

定義每一個所述故障類別所對應的故障標簽；

將所述故障標簽作為所述條件信息，其中，所述條件信息為用于描述所述真實故障數據分布的邏輯條件。

4.根據權利要求1所述的基于條件對抗生成網絡的多類別故障數據生成方法，其特征在于，所述基于隨機噪聲數據以及所述條件信息對所述對抗生成網絡中的生成器與判別器進行更新訓練，得到條件對抗生成網絡，包括：

定義所述對抗生成網絡的生成器與判別器的損失函數，其中，所述生成器的損失函數用于衡量生成候選工業機床核心部件故障數據和真實故障數據分布之間的誤差，所述判別器的損失函數用于判斷故障數據的真實性；

定義所述生成器與所述判別器的參數迭代優化算法；

將所述隨機噪聲數據與所述條件信息輸入至所述生成器中，輸出人造故障數據；

將所述人造故障數據與所述真實故障數據輸入至所述判別器，得到所述人造故障數據的真實性結果；

基于所述真實性結果、所述參數迭代優化算法以及所述生成器與所述判別器的損失函數，對所述生成器與所述判別器的參數進行更新訓練；

重復對所述生成器與所述判別器進行更新訓練，以使得所述生成器訓練至閾值最小，且所述判別器訓練至0-1二元判斷的準確率超過預設閾值，得到所述條件對抗生成網絡。

5.根據權利要求4所述的基于條件對抗生成網絡的多類別故障數據生成方法，其特征在于，所述基于所述真實性結果、所述參數迭代優化算法以及所述生成器與所述判別器的損失函數，對所述生成器與所述判別器的參數進行更新訓練，包括：

基于所述真實性結果、所述參數迭代優化算法以及所述生成器與所述判別器的損失函數，通過疊加隨機梯度更新所述生成器的參數；

通過遞減隨機梯度更新所述判別器的參數。

6.根據權利要求4所述的基于條件對抗生成網絡的多類別故障數據生成方法，其特征在于，所述重復對所述生成器與所述判別器進行更新訓練，包括：

首先進行k次所述生成器的參數更新，再進行1次所述判別器的參數更新。

7.根據權利要求4所述的基于條件對抗生成網絡的多類別故障數據生成方法，其特征在于，所述條件對抗生成網絡的目標損失函數為：

其中，D為判別器，G為生成器，E(*)為分布函數的期望值，P_data(x)為故障數據集的分布，P_z(z)為隨機噪聲分布，x為故障數據集，y為條件信息。