[发明专利]基于多层GAN网络的工控信号分类方法、装置和介质

权利要求书

1.一种基于多层GAN网络的工控信号分类方法，其特征在于，包括以下步骤：

S1、采用信号采集器基于设定采样波特率采集工控信号；

S2、预处理所述工控信号以获得工控信号特征值并进行分类从而获得多个分类数据；

S3、对每个分类数据进行分别进行数据扩充以获得多个扩充数据，对每个扩充数据进行滑动窗口切割以将其分段，并将每段数据分别输入多层GAN网络的每层GAN网络中对应的GAN网络的判别器以分别在每层GNA网络生成每个扩充数据的每段数据的特征值；

S4、预处理待检测工控信号并对所述待检测工控信号进行扩充和分段以生成待检测信号，将所述待检测信号与每层GNA网络的所述每个扩充数据的每段数据的特征值进行匹配，并基于匹配结果对所述待检测信号进行分类；

所述步骤S3进一步包括以下步骤：

S31、对于每个分类数据进行拉格朗日插值以获得对应的扩充数据；

S32、在第一层对每个扩充数据进行第一滑动窗口切割以将所述扩充数据分成K段从而生成K段信号数据，将每段信号数据输入第一层GAN网络的一个GAN网络的判别器以生成第一层GAN网络的K段数据的特征值；

S33、在第二层对每个扩充数据进行第二滑动窗口切割以将所述扩充数据分成M段从而生成M段信号数据，将每段信号数据输入第二层GAN网络的一个GAN网络的判别器以生成第二层GAN网络的M段数据的特征值；

其中M和K为正整数。

2.根据权利要求1所述的基于多层GAN网络的工控信号分类方法，其特征在于，所述步骤S2进一步包括以下步骤：

S21、从所述工控信号中解析出工控信号数据并滤波所述工控信号数据以获得滤波工控信号数据；

S22、下采样所述滤波工控信号数据以获得所述工控信号特征值；

S23、归一化处理所述工控信号特征值；

S24、将归一化处理后的所述工控信号特征值输入残差神经网络以进行分类并获得所述分类数据。

3.根据权利要求2所述的基于多层GAN网络的工控信号分类方法，其特征在于，在所述步骤S21中，采用高通滤波器和/或低通滤波器滤波所述工控信号数据。

4.根据权利要求1所述的基于多层GAN网络的工控信号分类方法，其特征在于，在所述步骤S3中，所述第二滑动窗口是所述第一滑动窗口的1.5倍。

5.根据权利要求1所述的基于多层GAN网络的工控信号分类方法，其特征在于，所述步骤S4进一步包括以下步骤：

S41、预处理待检测工控信号并对所述待检测工控信号进行扩充以获得待检测扩充数据；

S42、对所述待检测扩充数据进行第一层滑动窗口切割和第二层滑动窗口切割以生成第一层待检测信号和第二层待检测信号；

S43、将第一层待检测信号和第二层待检测信号与第一层GAN网络的K段数据的特征值和第二层GAN网络的M段数据的特征值分别进行匹配，并基于匹配结果确定所述待检测工控信号的类别。

6.根据权利要求5所述的基于多层GAN网络的工控信号分类方法，其特征在于，所述步骤S41进一步包括以下步骤：

S411、从所述待检测工控信号中解析出待检测数据并滤波所述待检测数据以获得滤波数据；

S412、下采样所述滤波数据以获得待检测信号特征值；

S413、归一化处理所述待检测信号特征值；

S414、将归一化处理后的待检测信号特征值进行数据扩充以获得所述待检测扩充数据。