[发明专利]一种基于编码输入的生成对抗网络故障检测方法及系统

权利要求书

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；

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_t′_rain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；

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；

所述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过程包括，

根据判别器输出及所述自编码器中所提取潜隐变量定义统计量，采用如下数学模型：

D_score＝1-D(x)

其中，x表示需要计算统计量的样本，D(x)表示所述判别器以x作为输入时的输出，E(x)表示待测样本经自编码器编码后的降维输出，表示训练集经自编码器编码后降维输出的均值；

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；

其中，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；

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：

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0-1之间；定义样本u为某一未知样本，D(u)越趋向于1，则判别器认为样本u为真实样本的概率越大，反之为虚假样本的概率越大。

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：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包括，

采用如下数学模型：

T_D＝95quantile of{D_score|x∈X_train}

T_E＝95quantile of{E_score|x∈X_train}

其中，D_score|x∈X_train表示训练集即正常工况样本计算得到的D_score统计量，E_score|x∈X_train同理，95quantile of{D_score|x∈X_train}表示根据核密度估计方法使得95％的正常样本统计量位于所得控制限以下，T_D、T_E表示D_score及E_score统计量的控制限。