[發明專利]一種基于循環生成對抗網絡的電機故障增強診斷方法及裝置

在審

• 申請號: 202211434136.4
• 申請日: 2022-11-16
• 公開（公告）號: CN115902620A
• 公開（公告）日: 2023-04-04
• 發明（設計）人: 程玉杰;顧昊鑫;馬梁;宋登巍;丁宇;呂琛
• 申請（專利權）人: 北京航空航天大學
• 主分類號: G01R31/34
• 分類號: G01R31/34;G06N3/044;G06N3/0475;G06N3/048;G06N3/0464;G06N3/045;G06N3/096;G06N3/084;G06N3/0985
• 代理公司: 北京惠智天成知識產權代理事務所(特殊普通合伙) 11681
• 代理人: 周建

1.一種基于循環生成對抗網絡的電機故障增強診斷方法，其特征在于，包括：

獲取電機每種電機故障模式的目標電機故障樣本和相似電機故障樣本，并從每種電機故障模式下的相似電機故障樣本中篩選出與所述目標電機故障樣本相似程度最高的最相似電機故障樣本；

利用所述目標電機故障樣本和所述最相似電機故障樣本對預先構建的基于循環生成對抗網絡的電機目標樣本遷移生成模型進行訓練，得到訓練好的基于循環生成對抗網絡的電機目標樣本遷移生成模型；

通過將每種電機故障模式的最相似電機故障樣本輸入到所述訓練好的基于循環生成對抗網絡的電機目標樣本遷移生成模型，得到每種電機故障模式的生成目標電機故障樣本；

利用所述目標電機故障樣本和所述生成目標電機故障樣本對預先構建的基于卷積神經網絡的電機故障增強診斷模型進行訓練，得到訓練好的基于卷積神經網絡的電機故障增強診斷模型；

獲取待診斷故障電機的故障數據，并將所述故障數據輸入到所述訓練好的基于卷積神經網絡的電機故障增強診斷模型中進行故障診斷處理，得到所述待故障診斷電機的故障類型。

2.根據權利要求1所述的方法，其特征在于，所述從每種電機故障模式下的相似電機故障樣本中篩選出與所述目標電機故障樣本相似程度最高的最相似電機故障樣本包括：

通過分別計算每種電機故障模式下每個相似電機故障樣本與所述目標電機故障樣本之間的最大均值差異MMD值，得到多個MMD值；

從所述多個MMD值中選取最小MMD值，并將所述最小MMD值對應的相似電機故障樣本作為最相似電機故障樣本。

3.根據權利要求2所述的方法，其特征在于，所述預先構建的基于循環生成對抗網絡的電機目標樣本遷移生成模型包括：

基于所述目標電機故障樣本和所述最相似電機故障樣本，構建包含循環生成對抗網絡結構和總損失函數的基于循環生成對抗網絡的電機目標樣本遷移生成模型；

其中，所述循環生成對抗網絡結構包括：包含第一生成器G和第一判別器D_y的第一生成對抗網絡；包含第二生成器F和第二判別器D_x的第二生成對抗網絡；

所述總損失函數包括：第一生成對抗網絡損失函數、第二生成對抗網絡損失函數以及循環一致性損失函數。

4.根據權利要求3所述的方法，其特征在于，所述利用所述目標電機故障樣本和所述最相似電機故障樣本對預先構建的基于循環生成對抗網絡的電機目標樣本遷移生成模型進行訓練，得到訓練好的基于循環生成對抗網絡的電機目標樣本遷移生成模型包括：

通過對所述目標電機故障樣本和所述最相似電機故障樣本分別進行轉化處理，得到二維灰度圖形式的目標電機故障樣本和二維灰度圖形式的最相似電機故障樣本；

以所述二維灰度圖形式的目標電機故障樣本和所述二維灰度圖形式的最相似電機故障樣本作為所述基于循環生成對抗網絡的電機目標樣本遷移生成模型的輸入進行若干次訓練，得到訓練好的基于循環生成對抗網絡的電機目標樣本遷移生成模型。

5.根據權利要求1所述的方法，其特征在于，所述預先構建的基于卷積神經網絡的電機故障增強診斷模型包括：

基于所述目標電機故障樣本和所述生成目標電機故障樣本，構建包含卷積神經網絡結構和損失函數的基于卷積神經網絡的電機故障增強診斷模型。

6.根據權利要求5所述的方法，其特征在于，所述利用所述目標電機故障樣本和所述生成目標電機故障樣本對預先構建的基于卷積神經網絡的電機故障增強診斷模型進行訓練，得到訓練好的基于卷積神經網絡的電機故障增強診斷模型包括：

以所述目標電機故障樣本和所述生成目標電機故障樣本作為所述基于卷積神經網絡的電機故障增強診斷模型的輸入進行若干次訓練，得到訓練好的基于卷積神經網絡的電機故障增強診斷模型。

7.一種基于循環生成對抗網絡的電機故障增強診斷裝置，其特征在于，包括：

獲取樣本模塊，用于獲取電機每種電機故障模式的目標電機故障樣本和相似電機故障樣本，并從每種電機故障模式下的相似電機故障樣本中篩選出與所述目標電機故障樣本相似程度最高的最相似電機故障樣本；

第一構建及訓練模塊，用于利用所述目標電機故障樣本和所述最相似電機故障樣本對預先構建的基于循環生成對抗網絡的電機目標樣本遷移生成模型進行訓練，得到訓練好的基于循環生成對抗網絡的電機目標樣本遷移生成模型；

生成樣本模塊，用于通過將每種電機故障模式的最相似電機故障樣本輸入到所述訓練好的基于循環生成對抗網絡的電機目標樣本遷移生成模型，得到每種電機故障模式的生成目標電機故障樣本；

第二構建及訓練模塊，用于利用所述目標電機故障樣本和所述生成目標電機故障樣本對預先構建的基于卷積神經網絡的電機故障增強診斷模型進行訓練，得到訓練好的基于卷積神經網絡的電機故障增強診斷模型；

故障診斷模塊，用于獲取待診斷故障電機的故障數據，并將所述故障數據輸入到所述訓練好的基于卷積神經網絡的電機故障增強診斷模型中進行故障診斷處理，得到所述待故障診斷電機的故障類型。