[发明专利]生成指定故障趋势数据的方法和装置

说明书

本发明涉及故障诊断技术领域，特别涉及一种生成指定故障趋势数据的方法和装置。方法包括：确定随机噪声和指定故障趋势；其中，指定故障趋势为0～1中的任一数值；将随机噪声和指定故障趋势输入预先训练好的生成模型中，得到与指定故障趋势相匹配的数据；其中，生成模型是基于样本集对预先构建的条件生成对抗网络模型进行训练得到的，样本集是通过对真实数据集进行近邻估计得到的，样本集包括若干个样本对，每个样本对均包括一个样本数据和用于表征该样本数据的故障趋势的样本标签，真实数据集中的每一个真实数据均对应一个用于表征该真实数据的故障趋势的故障标签。本发明方法能够生成与指定故障趋势相匹配的数据，且生成的数据质量较高。

技术领域

本发明涉及故障诊断技术领域，特别涉及一种生成指定故障趋势数据的方法和装置。

背景技术

生成对抗网络模型是一种深度学习模型，通常由生成模型和判别模型组成。实际应用中，只要具备足够数量的真实数据样本，就可以通过交替训练生成模型和判别模型，得到生成效果逼真的生成模型，并利用该生成模型生成满足要求的拟真数据。然而，在故障诊断应用场景中，正常运行数据和故障数据的比例严重失衡，利用失衡数据直接训练生成对抗网络模型，会使得网络只学会正常状态的数据分布特性，而无法有效生成具有故障特征的数据。因此，需要使用条件生成对抗网络模型，并将运行数据对应的故障趋势作为标签，来引导生成模型生成指定故障条件下的数据。

然而，相关技术中，条件生成对抗网络主要针对离散类型的条件变量，对于故障趋势这类连续形式的条件变量，样本的稀疏性导致模型难以被有效训练。

因此，目前亟待需要一种生成指定故障趋势数据的方法和装置来解决上述问题。

发明内容

基于上述问题，本发明提供了一种生成指定故障趋势数据的方法和装置，能够生成与指定故障趋势相匹配的数据，且生成的数据质量较高。

第一方面，本发明实施例提供了一种生成指定故障趋势数据的方法，包括：

确定随机噪声和指定故障趋势；其中，所述指定故障趋势为0～1中的任一数值；

将所述随机噪声和所述指定故障趋势输入预先训练好的生成模型中，得到与所述指定故障趋势相匹配的数据；其中，所述生成模型是基于样本集对预先构建的条件生成对抗网络模型进行训练得到的，所述样本集是通过对真实数据集进行近邻估计得到的，所述样本集包括若干个样本对，每个所述样本对均包括一个样本数据和用于表征该样本数据的故障趋势的样本标签，所述真实数据集中的每一个真实数据均对应一个用于表征该真实数据的故障趋势的故障标签。

在一种可能的设计中，所述条件生成对抗网络模型包括所述生成模型和判别模型；其中，

所述生成模型包括多个全连接层和多个一维反卷积层，所述生成模型以随机噪声和故障趋势为输入，输出为伪数据；

所述判别模型包括多个一维卷积层和至少一个全连接层，所述判别模型以所述样本数据或所述伪数据为输入，输出为置信度，所述置信度用于表征输入数据的真实性以及输入所述生成模型的故障趋势与所述样本数据对应的样本标签的匹配性。

在一种可能的设计中，基于样本集对预先构建的条件生成对抗网络模型进行训练，得到训练好的生成模型的方法为：

确定所述样本标签的故障趋势分布；

确定所述样本数据的条件分布；

基于所述故障趋势分布和所述条件分布，确定所述样本数据和所述样本标签联合概率分布的经验估计；

基于所述经验估计，分别确定所述生成模型和所述判别模型的损失函数；

基于所述损失函数对所述生成模型和所述判别模型进行交替训练，得到训练好的生成模型。