[发明专利]基于生成对抗网络模型的齿轮参数过采样方法在审
| 申请号： | 201810399022.8 | 申请日： | 2018-04-28 |
| 公开（公告）号： | CN108596261A | 公开（公告）日： | 2018-09-28 |
| 发明（设计）人： | 利节;龚为伦;刘春亮;姜艳军;孙宇;罗建伟;何宏黎 | 申请（专利权）人： | 重庆青山工业有限责任公司;重庆科技学院 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62;G06N3/063 |
| 代理公司： | 成都蓉域智慧知识产权代理事务所(普通合伙) 51250 | 代理人： | 陈千 |
| 地址： | 40277*** | 国省代码： | 重庆;50 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明提供一种基于生成对抗网络模型的齿轮参数过采样方法，按以下步骤进行：S1：确定需要采样的齿轮参数并采集相应数据；S2：通过神经网络构建一个生成器和一个判别器；S3：输入噪声序列信号到生成器中，得到生成数据；S4：将生成的数据与原始采样数据输入判别器进行分类判断；S5：利用Softmax层进行线性变换，得到最终分类结果；S6：将分类结果与设定值比较得到分类误差，当大于预设目标，则更新生成器中各个神经元的权重生成新的数据；小于预设目标，则更新判别器中各个神经元的权重重新分类判断；S7：将生成器生成的数据和原始采样数据融合。其效果是：生成的数据与原始采样数据具有类似的分布，为齿轮性能分析提供了足够的数据资源。 | ||
| 搜索关键词： | 原始采样数据 齿轮参数 生成器 神经元 分类结果 网络模型 预设目标 过采样 判别器 神经网络构建 更新生成器 设定值比较 分类误差 生成数据 输入判别 输入噪声 数据资源 线性变换 性能分析 序列信号 对抗 分类 采样 齿轮 采集 融合 更新 | ||
【主权项】：
1.一种基于生成对抗网络模型的齿轮参数过采样方法，其特征在于按以下步骤进行：S1：确定需要采样的齿轮参数并采集相应数据，定义原始采样数据为D；S2：通过神经网络构建一个生成器和一个判别器；S3：输入噪声序列信号Z到所述生成器中，得到生成数据；S4：将生成器所生成的数据与步骤S1所得的原始采样数据D同时输入所述判别器进行分类判断；S5：利用Softmax层对判别器的输出结果进行线性变换，得到最终分类结果；S6：将分类结果与设定值比较得到分类误差，当分类误差大于预设目标，则更新生成器中各个神经元的权重，然后返回S3生成新的数据；当分类误差小于预设目标，则更新判别器中各个神经元的权重，然后返回S4重新进行分类判断；S7：将生成器生成的数据和原始采样数据为D融合共同作为齿轮参数分析所需的采样数据。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于重庆青山工业有限责任公司;重庆科技学院，未经重庆青山工业有限责任公司;重庆科技学院许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201810399022.8/，转载请声明来源钻瓜专利网。
