一种基于编码输入的生成对抗网络故障检测方法及系统技术方案

本发明专利技术公开了一种基于编码输入的生成对抗网络故障检测方法及系统，包括：获取原始正常工况数据集及待测样本；归一化处理所获得的数据分别的得到正常工况标准数据集、待测标准样本；利用正常工况标准数据集通过最小化重构误差训练自编码器模型，得到编码器，训练对抗网络得到生成器和判别器；分别求取正常工况标准数据集、待测标准样本对应的统计量，基于正常工况标准数据集的统计量利用核密度估计方法计算出控制限；基于待测标准样本统计量与控制限绘制控制图并比较判断是否发生故障，完成故障检测。本发明专利技术改善了训练过程缓慢的问题，提升了生成对抗网络的训练效果和检测性能，且本方法大大减少了计算成本，降低了检测延时。降低了检测延时。降低了检测延时。

【技术实现步骤摘要】
一种基于编码输入的生成对抗网络故障检测方法及系统


[0001]本专利技术涉及复杂工业过程建模和故障诊断的
，尤其涉及一种基于编码输入的生成对抗网络故障检测方法及系统。

技术介绍

[0002]故障检测是通过统计学方法对生产过程中的数据进行定量分析，不仅可以改善产品质量还可以提升过程的安全性，随着生产过程工艺复杂性及自动化程度的提高，过程变量逐渐增多，生产过程数据量也成倍地增加。在这样的背景下，基于过程数据的多变量统计分析故障检测算法被广泛应用于过程监控领域，其中常见的多元统计过程监控方法主要有主元分析法(PCA)、偏最小二乘法(PLS)、独立元分析法(ICA)及k近邻(kNN)故障检测方法。
[0003]基于数据的故障检测方法中，建模数据对于故障检测的效果起着决定性作用，传统机器学习方法中的浅层模型往往无法满足过程大数据的解析需求，因此，专家学者提出了不同的深层模型以解决实际复杂问题。其中，生成对抗网络(Generative Adversarial Network,GAN)由于其特殊的训练思想及生成能力受到了研究人员的广泛关注，已被本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于编码输入的生成对抗网络故障检测方法，其特性在于，包括：获取原始正常工况数据集及待测样本；对所述原始正常工况数据集进行最值归一化处理得到正常工况标准数据集，对所述待测样本进行归一化操作得到待测标准样本；利用所述正常工况标准数据集通过最小化重构误差训练自编码器模型，得到编码器，基于所述正常工况标准数据集及所述编码器训练对抗网络得到生成器和判别器；分别求取所述正常工况标准数据集、所述待测标准样本对应的统计量，基于所述正常工况标准数据集的统计量利用核密度估计方法计算出控制限；基于所述待测标准样本统计量与所述控制限绘制控制图并比较判断是否发生故障，完成故障检测。2.如权利要求1所述的基于编码输入的生成对抗网络故障检测方法，其特征在于：所述原始正常工况数据集X
train
进行最值归一化处理得到正常工况标准数据集X
′
train
过程包括，采用的如下数学模型：其中，x表示所述原始正常工况数据集X∈R
m
×
n
中的一个样本，x
*
表示所述样本x经过最值归一化后处理后得到的正常工况标准数据集X
*
∈R
m
×
n
中对应的样本，min(X)表示正常工况数据集X按行比较得到的最小值向量，max(X)表示正常工况数据集X按行比较得到的最大值向量，m代表样本维数，n代表样本个数，所述原始正常工况数据集X为矩阵。3.如权利要求1所述的基于编码输入的生成对抗网络故障检测方法，其特征在于：利用所述正常工况标准数据集通过最小化重构误差L(θ)训练自编码器模型包括，采用的如下数学模型：其中，θ表示自编码器网络参数，X表示自编码器输入，X
′
表示自编码器对输入X的重构输出。4.如权利要求1、2、3任一项所述的基于编码输入的生成对抗网络故障检测方法，其特征在于：利用所述正常工况标准数据集及所述编码器训练对抗网络得到生成器和判别器包括，将所述自编码器E降维后的输入作为生成网络中生成器的输入，利用所述正常工况标准数据集X
′
train
通过最小化生成器G及判别器D得到各自的代价函数L
D
，L
G
：采用的如下数学模型：采用的如下数学模型：其中，E表示求期望，x～P
data
表示样本x服从真实样本的数据分布，z～P
latent
表示变量z服从隐变量空间的数据分布，G(z)表示将隐变量z映射到与真实样本维度一致的生成样本空间，D(
·
)表示判别器输出，其值位于...

【专利技术属性】
技术研发人员：熊伟丽，吴晓东，马君霞，
申请(专利权)人：江南大学，
类型：发明
国别省市：