[发明专利]基于生成式对抗网络的空气处理机组的故障诊断方法

权利要求书

1.一种基于生成式对抗网络的空气处理机组的故障诊断方法，其特征在于：包括以下步骤：

数据预处理，通过对将缺失和重复的数据删除，将数据集进行归一化处理和特征选取，以加快样本生成模型的收敛速度，减少数据维度；

故障样本生成模型构建，通过采样到的真实故障样本训练故障样本生成模型，学习真实故障样本的分布；

样本评估模型构建，提出使用真实故障样本训练一个评估模型对生成样本进行挑选，用于训练故障诊断模型的生成的故障样本与真实样本的分布的接近程度，以评估生成样本的质量；

故障诊断模型构建，通过使用上述生成的样本训练故障诊断模型，对现实中空气处理机组运行时所产生数据进行检测，诊断设备是否发生故障。

2.根据权利要求1所述的基于生成式对抗网络的空气处理机组的故障诊断方法，其特征在于：所述的特征选取是指，使用基于SVM分类器的代价敏感的序列前向特征选择算法进行特征选取，从一个预定的特征子集开始，直到选出最重要的特征为止。

3.根据权利要求1或2所述的基于生成式对抗网络的空气处理机组的故障诊断方法，其特征在于：生成大量故障样本用于故障诊断模型中，对空气处理机组的数据进行分类，使用支持向量机来实现使同一种故障分在一类中。

4.根据权利要求1所述的基于生成式对抗网络的空气处理机组的故障诊断方法，其特征在于：经样本评估模型评估后，挑选出的质量高的生成样本加入样本评估模型的训练集对评估模型进一步训练，再继续对生成样本进行挑选。

5.根据权利要求1-4任意一种所述的基于生成式对抗网络的空气处理机组的故障诊断方法，其特征在于：对数据集进行所述的归一化处理是指，使用＝离差标准化，对原始数据进行线性变换，使用以下公式使结果值映射到[0，1]之间；

其中，Min＝0，Max＝1。

6.根据权利要求1-4任意一种所述的基于生成式对抗网络的空气处理机组的故障诊断方法，其特征在于：所述故障样本生成模型为条件Wasserstein生成对抗网络模型，通过将Wasserstein生成对抗网络与条件型生成对抗网络结合建立条件Wasserstein生成对抗网络模型，包括生成器和判别器；

将预处理好的数据作为条件Wasserstein生成对抗网络模型的训练集，设x和z分别是从训练集的分布P_data(x)和一个先验噪声分布P_z(z)中采样出的真实样本和噪声；为了学习P_data(x)的分布，由先验噪声分布P_z(z)构建了一个映射空间G(z；θ_g)；相应的判别器的映射函数为D(x；θ_d)，输出x为真实数据概率，目标函数表征获得最接近真实样本的生成样本，如下式所示；

其中，期望中，D(x|c)表示判别器判断输入的样本x在c的条件下为真实样本的概率；在期望中x表示生成网络生成的样本，D(x|c)表示判别器判断生成样本是真实样本的概率，为惩罚项，λ为惩罚因子，生成器的最终目标是让生成的样本无限接近真实样本；而判别器的目的是尽可能的将真实样本和生成样本区分开。