[發明專利]一種基于LSTM的載人潛水器傳感器故障數據增強方法

在審

• 申請號: 202310215171.5
• 申請日: 2023-03-08
• 公開（公告）號: CN116186609A
• 公開（公告）日: 2023-05-30
• 發明（設計）人: 王洪君;張笑晗;趙朋輝;趙元琪;程野
• 申請（專利權）人: 山東大學
• 主分類號: G06F18/241
• 分類號: G06F18/241;G06F18/214;G06F18/2433;G06N3/045;G06N3/0475;G06N3/0442;G06N3/084;G06N3/094
• 代理公司: 北京紅梵知識產權代理事務所(普通合伙) 11912
• 代理人: 吳珊

本發明公開了一種基于LSTM的載人潛水器傳感器故障數據增強方法，所述數據增強方法使用深度學習網絡，訓練相似領域故障數據的深度學習模型，提取相應故障特征，最后用數據增強訓練好的網絡訓練實際深海載人潛水器數據，達到故障遷移診斷的目的。該發明有效解決載人潛水器傳感系統故障數據稀缺的問題，相似數據預訓練配合使用正常數據進行訓練，會使得網絡訓練速度加快，且充分包含傳感器特征，最大限度保證生成結果不會偏離，同時在隱藏層加入判別器，只參照信號本身形式不夠，加入隱變量訓練增加特征提取的準確性，使用LSTM網絡進行編解碼作為、網絡模型，專門處理時序網絡，使得數據更加準確。

技術領域

本發明涉及傳感器故障診斷相關技術領域，具體為一種基于LSTM的載人潛水器傳感器故障數據增強方法。

背景技術

大深度載人潛水器是深海資源調查開發的重要手段，深海載人潛水器是當前海洋發展的前沿領域之一，代表著一個國家在材料、控制和海洋學科方面的綜合科技實力，深海載人潛水器能夠承載科學工作者與各種監測裝置、特種設備進行監測考察以及深海搜救捕撈等，是開發和利用深海資源的重要技術手段，而潛水器在水下作業時由于潛水器停機造成的人員安全威脅和經濟損失，深海載人潛水器的故障探測已成為潛水任務執行過程中最重要的任務之一。

近年來，深度學習相關算法在信號檢測領域的流行程度呈指數級增長，這些領域的主要挑戰是從處理后的數據中提取有意義的信息，包括故障警示記錄信息等，現有如中國專利公開號為CN109579896A的基于深度學習的水下機器人傳感器故障診斷方法及裝置，通過深度學習模型的方式提高水下機器人傳感器的故障診斷的精確度，而所有這些算法都需要大量的數據來訓練模型。在深海載人潛水器上，現有的故障數據采集故障類型較少，且深海下感興趣目標狀態空間信息難以有效建模并實時監測，因此，目前相關模型訓練更依賴于傳感器的測試模型，訓練模型所需的傳感器數據是非常復雜的，由于缺乏標準數據集，數據的可訪問性阻礙了特定任務的學習模型增長，在深海環境下，共享物理傳感器數據是極其困難的，并受到制造商的法律保護。

即現有的載人潛水器傳感系統還存在問題包括故障采集樣本量有限，數據集不平衡，故障數據稀缺。由于在實驗過程中需要模擬下潛真實工作狀態下的種種故障，潛水器故障頻率較低，過于頻繁的進行數據采集對數據采集系統有一定程度的損傷，故采集的樣本量有限，同時高維傳感器冗余。潛水傳感系統的原始數據維數較高，但冗余的特征變量會給故障檢測帶來挑戰，導致過擬合的增加。鑒于此，針對上述問題，深入研究，遂有本案產生。

針對上述問題，在原有基于深度學習的載人潛水器傳感器故障診斷系統的基礎上進行創新設計。

發明內容

本發明的目的在于提供一種基于LSTM的載人潛水器傳感器故障數據增強方法，以解決上述背景技術中提出故障采集樣本量有限，數據集不平衡，高維傳感器數據冗余的問題。

為實現上述目的，本發明提供如下技術方案：一種基于LSTM的載人潛水器傳感器故障數據增強方法，所述數據增強方法使用深度學習網絡，訓練相似領域故障數據的深度學習模型，提取相應故障數據特征，最后用數據增強訓練好的網絡訓練實際深海載人潛水器故障數據，以達到數據增強目的，具體步驟如下：

步驟1，收集其他領域的故障數據F^s；

步驟2，將F^s通過N₁網絡映射到隱空間latent；

步驟3，將隱空間數據通過N₂映射成原始數據類型F^s’；

步驟4，根據前向傳播的loss值的大小，來進行反向傳播迭代更新每一層的權重；

步驟5，將高斯白噪聲同樣通過N₁網絡映射到隱空間latent；