一种基于VAE-GAN网络的断路器轴承故障数据的增强方法技术

本发明专利技术公开了一种基于VAE‑GAN（Variational Autoencoder‑Generative Adversarial Network）网络的断路器轴承故障数据的增强方法。所述方法包括如下步骤：首先对采集到的振动信号进行小波变换，将一维振动信号转换为承载了更多信息的二维时频图；然后构建结合VAE和GAN的本方法模型，并把真实的故障样本输入到模型进行训练，生成相应的假样本；最后，采用Wasserstein距离替代KL散度和JS散度，并通过梯度惩罚来约束判别器，避免梯度消失问题。经实验验证，该方法简明有效，可以有效解决数据不平衡问题。结果表明，本发明专利技术所提出的方法模型相较于VAE和GAN模型FID得分最低，表明该模型生成样本多样性最好，包含最丰富的故障信息，能够生成与真实数据极为相似的样本。

【技术实现步骤摘要】

本专利技术涉及健康管理领域，特别可以用于变分自编码生成对抗网络(variationalautoencoder-generative adversarial network，vae-gan)对不平衡数据进行数据增强，具体是一种基于vae-gan网络的断路器轴承故障数据的增强方法。

技术介绍

1、断路器在多个领域应用广泛但易发生故障，其中轴承作为断路器缓冲器关键部件也会因各种因素影响产生各种问题。早期针对此类故障诊断方法，大多凭借人工经验，但会出现误判、漏判等情况。随着人工智能技术的出现，利用深度学习进行故障诊断特征的提取与判断更加高效、准确。

2、目前，在实际工业现场中存在大量带标签数据难以获取问题，较差的泛化能力限制了基于深度学习故障诊断技术的发展。因此，以数据增强为代表的辅助提高深度学习能力的方式方法，在近年来受到了广泛的关注。

3、例如：申请号为“cn202310355427”的文件中公开了“一种基于多尺度特征融合的非平衡样本轴承故障诊断方法”，构建vae-gan样本生成模型来生成对应类别的伪样本，以增加样本数据量并设计了多尺度本文档来自技高网...

【技术保护点】

1.一种基于VAE-GAN网络的断路器轴承故障数据的增强方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的一种基于VAE-GAN网络的断路器轴承故障数据的增强方法，其特征在于，所述步骤一中，对采集到的断路器轴承故障数据进行连续小波变换，将一维信号转换为二维图像；

3.根据权利要求1或2所述的一种基于VAE-GAN网络的断路器轴承故障数据的增强方法，其特征在于，所述步骤二中，所述GAN的目标函数如式(4)所示

4.根据权利要求3所述的一种基于VAE-GAN网络的断路器轴承故障数据的增强方法，其特征在于，所述步骤二中，所述VAE使用神经网络训练一个...

【技术特征摘要】

1.一种基于vae-gan网络的断路器轴承故障数据的增强方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的一种基于vae-gan网络的断路器轴承故障数据的增强方法，其特征在于，所述步骤一中，对采集到的断路器轴承故障数据进行连续小波变换，将一维信号转换为二维图像；

3.根据权利要求1或2所述的一种基于vae-gan网络的断路器轴承故障数据的增强方法，其特征在于，所述步骤二中，所述gan的目...

【专利技术属性】
技术研发人员：成林，窦晓军，罗建勇，司渭滨，朱永灿，赵隆，韩彦华，陈宗让，丁彬，段江，张李峰，
申请(专利权)人：国网陕西省电力有限公司电力科学研究院，
类型：发明
国别省市：