[发明专利]基于CRWGAN-div的设备故障样本增强方法

摘要

本发明公开了一种基于CRWGAN‑div的设备故障样本增强方法，本发明结合WGAN‑div自身的强大数据生成能力，特别是对于噪声较多的设备故障数据，重构网络的引入能更好地指导生成网络的训练，提高了其训练稳定性，通过对生成网络输入的重构，加强了生成网络从潜在向量空间到样本空间的映射拟合能力，提高了生成样本的质量，与传统重叠采样方法相比，生成样本的多样性和质量大大提高。与现有的基于GAN的样本增强方法相比，CRWGAN‑div网络通过梯度惩罚和重构误差回传有效地解决了GAN训练不稳定、梯度消失、模式崩溃的问题。