[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

说明书

本发明涉及基于多层GAN网络的工控信号分类方法，包括：采集工控信号；预处理工控信号以获得工控信号特征值并进行分类；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；预处理待检测工控信号并对待检测工控信号进行扩充和分段以生成待检测信号，将待检测信号与每层GNA网络的每个扩充数据的每段数据的特征值进行匹配，并基于匹配结果对待检测信号进行分类。本发明还涉及基于多层GAN网络的工控信号分类装置和计算机可读存储介质。

技术领域

本发明涉及信号检测领域，更具体地说，涉及一种基于多层GAN网络的工控信号分类方法、装置和计算机可读存储介质。

背景技术

动态系统的状态估计在诸如精确制导、机器人、工业过程控制、故障检测和模式识别等军事和民用领域有着重要的应用价值。在状态估计过程中，设备的信号检测是首要关注因素。通常情况下在得到工控系统传感器测量得到的带有噪声的检测信号以后，通过滤波器处理能够过滤部分信息，然后通过有线或无线的通讯网络传送检测信号。然而，由于网络信道的有限带宽造成的信号传输拥塞会导致，如丢包、时延、量化等，从而引起检测数据无法实时获得，甚至部分或完全丢失。由于检测数据的丢失，造成后续数据分类处理难以准确进行，进而导致检测准确性不足。

发明内容

本发明要解决的技术问题在于，针对现有技术的上述缺陷，提供一种基于多层GAN网络的工控信号分类方法、装置和计算机可读存储介质，其通过采用数据扩充从数据信号进行补充，并且通过多层GAN网络生成多层分段特征值，并用于后期分类比对，进而弥补了检测数据丢失造成的分类不准确和检测准确性差的缺陷。

本发明解决其技术问题所采用的技术方案是：构造一种基于多层GAN网络的工控信号分类方法，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。

在本发明所述的基于多层GAN网络的工控信号分类方法中，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。

在本发明所述的基于多层GAN网络的工控信号分类方法中，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。

在本发明所述的基于多层GAN网络的工控信号分类方法中，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；