[发明专利]一种基于生成对抗网络的高铁转向系统故障检测LSTM方法

说明书

本发明公开了一种基于生成对抗网络的高铁转向系统故障检测LSTM方法，属于故障诊断技术领域，首先，在列车上搭载信号传感器；在多次正常情况下和多次故障情况下，分别采集震动信号并合成向量后贴标签为；然后将所有贴完标签的向量合并数据集，划分训练集和测试集；在训练集中，选择n个故障向量和m个正常向量，利用生成对抗网络对故障向量进行过采样，得到m‑n个新故障状态向量。利用新故障状态向量，n个故障向量以及m个正常向量，共2m个数据对LSTM网络故障检测模型进行训练，并对测试集进行故障检测；利用测试结果，计算指标G‑mean进行验证；本发明引入生成对抗网络进行过采样，减少了数据不均衡带来的检测错误。

技术领域

本发明涉及高铁列车转向系统故障诊断，属于故障诊断技术领域，具体是一种基于生成对抗网络的高铁转向系统故障检测LSTM方法。

背景技术

近年来，我国高速铁路的建设规模及在高速铁路方面的创新成果均取得了重大进展，高速铁路运营里程的快速增长和运行时序的迅速提高，使得高速列车安全保障技术面临着巨大挑战。如何提升高速铁路的安全性和乘客的舒适度已经成为了高速铁路领域研究的重要方向之一。

转向架作为车体的重要组成部分，其异常状态会体现在转向架和车体的异常震动上，震动信号都是时序信号，传统的故障诊断方法都是基于静态信号，进行基于震动信号的故障诊断时多数方法并不能直接应用。因此基于LSTM(长短期记忆网络)的高铁列车转向架故障诊断方法应运而生，考虑到进行LSTM故障诊断模型训练时，转向架故障数据远小于正常数据，导致数据不均衡，会影响LSTM故障诊断模型精度和故障检测效果，因此需要利用生成对抗网络生成故障数据，减少训练数据的不均衡度，从而提高故障诊断模型精度的方法。

发明内容

针对上述问题，本发明提出了一种基于生成对抗网络的高铁转向系统故障检测LSTM方法，利用生成对抗网络生成故障数据，经过采样后建立LSTM故障检测模型，进而利用故障检测模型进行故障诊断。

所述的基于生成对抗网络的高铁转向系统故障检测LSTM方法，具体步骤包括：

步骤一、针对某高铁列车，在该列车上不同位置都搭载震动信号传感器；

步骤二、在列车转向系统正常的情况下，利用各震动信号传感器测量各位置的震动信号；

其中，每次测量的所有正常位置的震动信号作为一组数据；

步骤三、在列车转向系统故障的情况下，利用各震动信号传感器测量各位置的震动信号；

其中，每次测量的所有故障位置的震动信号作为一组数据；

步骤四、针对每次测量，将正常情况的该组数据合成一个向量，将其贴标签为1；将故障情况的该组数据合成一个向量，贴标签为-1。

步骤五、对正常状态和故障状态下分别测量若干次，并将各向量贴上对应标签，将所有贴完标签的向量合并成一个数据集，并划分训练集和测试集；

步骤六、在训练集中，选择n个故障状态的di维向量F1,F2,…,Fn，m个正常状态的di维向量N1,N2,…,Nm，nm；利用生成对抗网络对故障状态的n个向量进行过采样，得到m-n个新故障状态向量。

具体步骤如下：

步骤601、建立三层感知机神经生成网络G，并对权重参数进行随机初始化，使其在(0,1)内均匀分布：

神经生成网络G的公式如下：