[发明专利]一种基于电流电压传感器感知振动数据的方法和装置在审

专利信息
申请号: 202011212653.8 申请日: 2020-11-03
公开(公告)号: CN112464990A 公开(公告)日: 2021-03-09
发明(设计)人: 刘琦;咸晓雨;李欣旭;田寅;唐海川 申请(专利权)人: 中车工业研究院有限公司
主分类号: G06K9/62 分类号: G06K9/62;G06N3/04;G06N3/08;G01R19/00;G01H17/00
代理公司: 北京路浩知识产权代理有限公司 11002 代理人: 王宇杨
地址: 100070 北京市丰台区*** 国省代码: 北京;11
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 基于 电流 电压 传感器 感知 振动 数据 方法 装置
【权利要求书】:

1.一种基于电流电压传感器感知振动数据的方法,其特征在于,包括:

获取电流电压传感器采集的电流电压数据;

将电流电压数据输入至生成器网络中,得到虚拟振动数据;

其中,所述生成器网络与判别器网络组成对抗网络,所述对抗网络通过预采集的电流电压样本数据、所述电流电压样本数据对应的真实振动样本数据以及所述电流电压样本数据对应的故障类型组成第一训练集进行训练得到。

2.如权利要求1所述的基于电流电压传感器感知振动数据的方法,其特征在于,所述生成器网络包括:下采样层、数据转化层和上采样层;

将电流电压数据输入至生成器网络中,得到虚拟振动数据,包括:

所述下采样层接收输入的电流电压数据,生成第一采样数据;

所述数据转化层接收输入的所述第一采样数据,生成第一转换数据;

所述上采样层接收输入的第一转换数据,生成虚拟振动数据。

3.如权利要求1所述的基于电流电压传感器感知振动数据的方法,其特征在于,所述对抗网络通过以下方法进行训练:

将电流电压样本数据和所述电流电压样本数据对应的真实振动样本数据组成第二训练集输入至所述生成器网络,以训练所述生成器网络;

将所述生成器网络输出的振动数据标记为虚拟振动样本数据,将所述虚拟振动样本数据、所述虚拟振动样本数据对应的真实振动样本数据及其故障类型组成第三训练集输入至所述判别器网络,以训练所述判别器网络;

将得到的生成器网络和判别器网络组成对抗网络,将所述第一训练集输入至对抗网络,以对所述对抗网络进行训练。

4.如权利要求3所述的基于电流电压传感器感知振动数据的方法,其特征在于,所述判别器网络包括第一判别器网络和第二判别器网络;

将所述虚拟振动样本数据、所述虚拟振动样本数据对应的真实振动样本数据及其故障类型组成第三训练集输入至所述判别器网络,以训练所述判别器网络,包括:

将所述虚拟振动样本数据和所述真实振动样本数据输入至第一判别器网络,以训练所述第一判别器网络;

将所述虚拟振动样本数据、所述真实振动样本数据及其故障类型输入至第二判别器网络,以训练所述第二判别器网络。

5.如权利要求4所述的基于电流电压传感器感知振动数据的方法,其特征在于,将得到的生成器网络和判别器网络组成对抗网络,将所述第一训练集输入至对抗网络,以对所述对抗网络进行训练,包括:

将所述第一训练集输入至所述对抗网络,交替锁定所述判别器网络或所述生成器网络的参数,以进行所述生成器网络或所述判别器网络的参数更新,以使所述对抗网络的损失函数小于第一阈值,其中,所述对抗网络的损失函数为第一判别器网络和第二判别器网络的损失函数组合。

6.如权利要求4所述的基于电流电压传感器感知振动数据的方法,其特征在于,所述第一判别器网络为卷积神经网络;

将所述虚拟振动样本数据和所述真实振动样本数据输入至第一判别器网络,以训练所述第一判别器网络,包括:

将所述虚拟振动样本数据和所述真实振动样本数据输入至第一判别器网络,得到当前输入的数据为真实振动样本数据的概率;

调整第一判别器网络的参数,以使输入数据为真实振动样本数据时所述概率大于第二阈值。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于中车工业研究院有限公司,未经中车工业研究院有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202011212653.8/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top