[发明专利]一种用于剩余使用寿命预测退化数据的扩增方法

权利要求书

1.一种用于剩余使用寿命预测退化数据的扩增方法，其特征在于，包括以下步骤：

采集退化数据：给定已有多传感器退化数据{X}_s×n，该退化数据{X}_s×n以矩阵形式表示，其中s代表反映退化状态的传感器数量，n是退化数据的长度；

退化数据预处理：首先通过数理统计及经验分析获得某类设备快速退化阶段的初始值m，则退化数据为并指定扩增网络输入数据的长度n′，对于所采集退化数据长度大于n′的部分予以裁切，对于所采集退化数据长度小于n′的部分予以填充，以保证输入扩增网络的数据尺度一致；

扩增网络：扩增网络以CycleGAN为框架，训练CycleGAN中的生成器作为数据扩增的扩增网络，将输入数据随机分为数量相等的两部分A和B，A属于领域X，B属于领域Y，A和B作为CycleGAN的输入，其中A通过生成器G_X→Y得到生成数据B通过生成器G_Y→X得到生成数据将得到的生成数据送入生成器G_Y→X得到生成数据将得到的生成数据送入生成器G_X→Y得到生成数据鉴别器D_X负责对原始数据A和生成数据进行判断，鉴别器D_Y负责对原始数据B和生成数据进行判断，鉴别器D_X和D_Y的判断结果决定生成器下一轮的生成方向；

获得扩增数据：将原始数据送入扩增网络进行数据扩增，获得扩增数据。

2.根据权利要求1所述的一种用于剩余使用寿命预测退化数据的扩增方法，其特征在于：

如果采集到的退化数据的长度大于n′，直接删除超过的部分，得到退化数据X′如下：处理好之后的数据大小为s×n′，上式中n′＝n-l，超出部分将从开始阶段被移除掉；

如果采集到的退化数据的长度小于n′，则需要对该数据进行填充，填充数据的长度记为l_p，计算该长度下同一个传感器数值的平均值，作为填充数据，对于传感器值x_s的替代值x′_s可以表示如下：其中γ是高斯噪声，其值范围固定在是传感器数据在l_p范围内最小值，是传感器数据在l_p范围内最大值，处理过后的数据如下所示：其中，n′＝n+l_p。

3.根据权利要求1所述的一种用于剩余使用寿命预测退化数据的扩增方法，其特征在于：

所述CycleGAN的价值函数如下所示，定义G_X→Y为G，G_Y→X为F：

其中，x是属于领域X的训练样本，y是属于领域Y的训练样本，D_X是用于鉴别样本是否属于领域X的鉴别器，D_Y是用于鉴别样本是否属于领域Y的鉴别器，D_Y(y)是判断样本y是否真实的概率，D_X(x)是判断样本x是否真实的概率，D_Y(G(x))是判断G生成的样本是否真实的概率，表示从由样本y组成的数据集中依次取出样本y进行运算，取所有样本运算结果的平均值作为返回值，表示从由样本x组成的数据集中依次取出样本x进行运算，取所有样本运算结果的平均值作为返回值，D_X(F(y))是判断F生成的样本是否真实的概率，表示关于生成器G、鉴别器D_Y、样本X和Y的价值函数，表示关于生成器F、鉴别器D_X、样本X和Y的价值函数；G生成的样本应该与真实样本接近，对于而言是求min(G)，鉴别器D_Y的能力应该越强越好，所以D_Y(G(x))的概率应尽可能大，则对于而言是求max(D_Y)，同理，F生成的样本应该与真实样本接近，对于而言是求min(F)，鉴别器D_X的能力越强越好，所以D_X(F(y))的概率应尽可能大，则对于而言是求max(D_X)，

组合上述两式得到循环一致性损失函数：

F(G(x))表示将样本x送入G之后得到的样本G(x)再次送入F得到的样本F(G(x))，G(F(y))表示将样本y送入F之后得到的样本F(y)再次送入G得到的样本G(F(y))，由两部分组成，第一部分为它表示将样本x送入G后再送入F后，F的输出样本与样本x的差异，第二部分为它表示将样本y送入F后再送入G后，G的输出样本与样本y的差异，

将上述公式组合可以得到CycleGAN的总的价值函数：

其中生成器网络的损失函数如下所示：

其中J(G)是生成器的损失函数，num表示样本的数量，y_i 表示第i个原始样本，表示第i个生成样本，

根据损失函数训练网络模型，当训练多次直至损失函数值趋于稳定时完成网络的训练。