[发明专利]一种非理想数据条件下的装备数据集构建方法

说明书

本发明公开了一种非理想数据条件下的装备数据集构建方法，包括：采集装备状态数据；通过沃瑟斯坦生成对抗网络对装备状态数据进行扩充，构建平衡的装备状态数据集；沃瑟斯坦生成对抗网络包括：生成器和判别器；根据装备状态数据，提取观测矩阵并构造字典矩阵，修复出完整的装备状态数据集；字典矩阵为离散余弦变换矩阵；根据装备状态数据，使用快速独立成分分析方法，构建去噪后的装备状态数据集；完成对非理想数据条件下的装备数据集的构建。该方法可实现在非理想数据条件下构建出完整反映装备状态的数据集。

技术领域

本发明涉及数据集构建技术领域，特别涉及一种非理想数据条件下的装备数据集构建方法。

背景技术

装备状态数据集是对基于数据驱动的装备进行故障诊断的基础，所以装备状态数据集的质量是直接影响装备故障诊断模型精度和泛化能力的重要因素。但是受制于成本、工作环境和操作安全性等因素，实际采集到的装备状态数据往往存在一些非理想数据特征，即采集到的数据无法满足确保训练样本均衡充足、样本完整无缺失或样本无噪声干扰等理想数据条件。

非理想数据条件中的数据样本非平衡，指某些状态的数据样本数量远远小于其他状态的样本数量，即在装备的真实运行时段内，由于工作效率、故障的偶发性等因素，装备处于故障状态的时间仅仅占运行时间的很小比例的一部分，所以装备处于故障状态的数据样本的数量相比于处于正常状态的数据样本的数量同样很少。这种在装备状态数据集中的不同状态下的数据样本数量非平衡的非理想数据特征，严重影响了所构建的故障诊断模型的泛化能力。

非理想数据条件中的数据局部缺失，指在对装备运行状态的数据样本的采集、传输或存储等过程中，会不可避免地造成部分数据的缺失，这种局部数据缺失的情况会降低数据的有效性，降低数据分析任务的精准度，进而影响故障诊断模型的建立，产生错误的诊断结果。

非理想数据条件中的数据受噪声干扰，指装备状态数据通常采集于布置在装备上各零部件测试点附近的传感器，每个传感器接受到的观测数据中，除了自身所监测的测试点信号之外，还混迭有来自其他测试点的信号和来自强噪声源的白噪声，其中白噪声为主要的干扰。这些噪声干扰可能会淹没所需的装备状态的有用信息，影响采集到的装备状态数据的有效性。

这些非理想数据条件导致直接构建出的装备状态数据集的质量不能得到保证，进而可能使构建的装备故障诊断模型的性能不能达到所需要求。

因此，在现有构建装备状态数据集的基础上，如何在非理想的数据条件下，构建出能够全面反映装备状态特征的状态数据集，成为本领域技术人员亟需解决的问题。

发明内容

鉴于上述问题，本发明提出了一种至少解决上述部分技术问题的非理想数据条件下的装备数据集构建方法，该方法可实现非理想数据条件下的全面反映装备状态特征的装备状态数据集的构建。

本发明实施例提供一种非理想数据条件下的装备数据集构建方法，包括：

采集装备状态数据；

通过沃瑟斯坦生成对抗网络对所述装备状态数据进行扩充，构建平衡的装备状态数据集；所述沃瑟斯坦生成对抗网络包括：生成器和判别器；

根据所述装备状态数据，提取观测矩阵并构造字典矩阵，修复出完整的装备状态数据集；所述字典矩阵为离散余弦变换矩阵；

根据所述装备状态数据，使用快速独立成分分析方法，构建去噪后的装备状态数据集；

完成对非理想数据条件下的装备数据集的构建。

进一步地，通过沃瑟斯坦生成对抗网络对所述装备状态数据进行扩充，构建平衡的装备状态数据集，包括：

将采集的装备状态数据的随机噪声向量输入所述沃瑟斯坦生成对抗网络中的生成器，输出生成数据；根据所述生成数据扩充装备状态数据集，构建平衡的装备状态数据集。