一种数据增广方法及电子设备技术

本发明专利技术实施例提供一种数据增广方法及电子设备，该方法包括：获取工况标签数据，并制造与工况标签数据尺寸一致的任意数量随机数据作为增广数据的初始化数据；将所述工况标签数据和所述增广数据的初始化数据输入训练好的工况数据增广模型，得到增广工况数据；其中，所述训练好的工况数据增广模型是通过真实标签正常数据和虚假标签的初始化样本增广数据及训练得到的。通过从设备大样本数据出发，构建一个可以增广出与设备大样本标签数据相似的数据增广模型，再针对小样本工况标签数据，对数据增广模型进行调整，从而可以增广出小样本工况标签数据，使得小样本增广数据的分布空间更接近大样本数据的分布广度。

A data augmentation method and electronic equipment

【技术实现步骤摘要】
一种数据增广方法及电子设备
本专利技术涉及工业信息
，尤其涉及一种数据增广方法及电子设备。
技术介绍
随着现代工业自动化水平的日益提高，现代工业系统规模不断扩大，系统各部分之间协作的复杂性不断增加，一旦工业系统中某部分发生故障，则整个系统无法正常工作，会造成巨大的停机损失。工业机械设备作为长期运转设备，其运行寿命一般行业规定使用不少于20年，连续运转不少于三年，故在其出厂合格的情况下，设备在实际场景运转中很难出现大量的工况发生，导致在设备实际运转过程中带有工况标签的数据不易获取。很多工业机械设备的工况诊断模型都是在这种工况小样本的状态下进行训练的，从而导致因过量的正常数据使得模型在分类时候大部分会判断为正常，从而使得模型漏报率增加。而且现有技术中缺乏对于小样本的一维工业机械设备信号数据进行数据增广的方法，而只有保证一定量的数据，才能有效提高工业机械设备的工况诊断模型准确度。因此如何对于工业机械信号数据进行数据增广已经成为业界亟待解决的问题。
技术实现思路
本专利技术实施例提供一种数据增广方法及电本文档来自技高网...

【技术保护点】
1.一种数据增广方法，其特征在于，包括：/n获取工况标签数据，并制造与工况标签数据尺寸一致的任意数量随机数据作为增广数据的初始化数据；/n将所述工况标签数据和所述增广数据的初始化数据输入训练好的工况数据增广模型，得到增广工况数据；/n其中，所述训练好的工况数据增广模型是通过真实标签正常数据和虚假标签的初始化样本增广数据及训练得到的。/n

【技术特征摘要】
1.一种数据增广方法，其特征在于，包括：
获取工况标签数据，并制造与工况标签数据尺寸一致的任意数量随机数据作为增广数据的初始化数据；
将所述工况标签数据和所述增广数据的初始化数据输入训练好的工况数据增广模型，得到增广工况数据；
其中，所述训练好的工况数据增广模型是通过真实标签正常数据和虚假标签的初始化样本增广数据及训练得到的。


2.根据权利要求1所述数据增广方法，其特征在于，在所述获取工况标签数据的步骤之前，所述方法还包括：
将工业原始数据拆分为真实标签非工况数据和工况标签数据；
清洗所述真实标签非工况数据中的异常点，得到真实标签正常数据。


3.根据权利要求2所述数据增广方法，其特征在于，所述训练好的工况数据增广模型包括训练好的生成器和训练好的判别器。


4.根据权利要求1所述数据增广方法，其特征在于，在所述将所述工况标签数据和所述增广数据的初始化数据输入训练好的工况数据增广模型的步骤之前，所述方法还包括：
获取真实标签正常数据，并制造任意数量的与真实标签正常数据尺寸一致的任意数量随机数据的初始化样本增广数据；
将所述初始化样本增广数据输入数据增广模型中的生成器，得到带虚假标签的样本增广假性数据，将所述带虚假标签的样本增广假性数据作为初始化样本增广数据，再次输入数据增广模型中的生成器进行训练，直至生成器的损失函数达到稳定收敛，得到训练好的生成器；
将带虚假标签的样本增广假性数据和真实标签正常数据混合输入数据增广模型中的判别器，当判别器的损失函数达到稳定收敛，得到训练好的判别器；
根据所述训练好的生成器和训练好的判别器得到训练好的数据增广模型。


5.根据权利要求4所述数据增广方法，其特征在于，在所述根据所述训练好的生成器和训练好的判别器得到训练好的数据增广模型的步骤之后，所述方法还包括：...

【专利技术属性】
技术研发人员：蔺思宇，杨晨旺，马君，刘勇攀，刘涛，李素洁，王伟，史超，周景源，
申请(专利权)人：湃方科技北京有限责任公司，
类型：发明
国别省市：北京;11