[发明专利]一种采用编码输入的生成对抗网络故障检测方法

说明书

本发明提出了一种采用编码输入的生成对抗网络故障检测方法，涉及故障检测领域，包括如下步骤：将自编码器降维后的隐变量作为输入进行模型训练；计算统计量并得出控制限；计算待测样本统计量并进行故障检测。本发明提供引入自编码器，基于最小化重构误差构建隐变量空间，将降维后的隐变量信息作为生成器输入以提升生成对抗网络的训练效果；并计算待测样本经编码器后的隐变量到训练集隐变量中心点的曼哈顿距离作为新统计量进行故障检测。

技术领域

本发明涉及故障检测领域，具体是一种采用编码输入的生成对抗网络故障检测方法。

背景技术

在实际工业生产的过程中，机器故障的发生是不可避免的，迅速准确地检测出机器的故障工况对工业生产的安全性及产品质量有非常重要的意义。近年来，随着生产工业复杂程度及自动化水平的提升，在故障检测中建立过程机理模型变得困难且不易求取，基于简化后模型的检测效果也并不理想。

在此环境下，基于数据的故障检测方法应运而生。较为经典的是基于GAN故障检测方法，其原理是采用正常工况数据训练生成对抗网络，根据网络中的生成器及判别器构建统计量进行故障检测。但目前现有的基于生成对抗网络的故障检测方法中，生成器输入使用随机噪声，不包含训练集中有效信息造成模型检测效果不够理想。

因此，如何设计一种故障检测方法，能够在高虚拟、低耗时的前提下进行有效的故障检测是当前故障检测领域亟需解决的问题。

发明内容

本发明的目的在于提供一种采用编码输入的生成对抗网络故障检测方法，以解决传统基于生成对抗网络的故障检测方法中，生成器输入随机噪声，不包含训练集中有效信息造成模型检测效果不够理想的问题。

本发明的创新之处在于：引入自编码器并将自编码降维后的数据作为生成对抗网络中生成器的输入，改善了传统生成对抗网络中生成器使用随机噪声作为输入带来的缺乏有效信息训练过程缓慢的问题，有效提升了生成对抗网络的训练效果和检测性能。

为实现上述目的，本发明采用以下技术方案。

一种采用编码输入的生成对抗网络故障检测方法，包括以下步骤：

步骤1、将自编码器降维后的隐变量作为输入进行模型训练；

步骤2、计算统计量并得出控制限；

步骤3、计算待测样本统计量并进行故障检测。

优选地，所述将自编码器降维后的隐变量作为输入进行模型训练，具体为在训练数据集上通过最小化重构误差得到自编码模型，并将训练集经自编码器降维后的隐变量作为生成器输入，进行生成对抗网络的训练。

优选地，所述计算统计量并得出控制限，具体为根据判别器及自编码器提取的隐变量空间对正常工况样本计算统计量，并得出控制限。

优选地，计算待测样本统计量并进行故障检测，具体为计算待测样本的统计量，结合控制图进行故障检测。

综上所述，本发明提供了一种采用编码输入的生成对抗网络故障检测方法，本方法通过引入自编码器，基于最小化重构误差构建隐变量空间，将降维后的隐变量信息作为生成器输入以提高生成对抗网络的训练效果；计算待测样本经编码后的隐变量到训练集隐变量空间中心点的曼哈顿距离，并作为新统计量进行故障检测。

附图说明

图1为本发明的故障检测流程；

图2为本发明的自编码器网络结构图；

图3为本发明方法的流程示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本发明一部分的实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。