[发明专利]一种基于生成式对抗网络的高压断路器故障诊断方法

权利要求书

1.一种基于生成式对抗网络的高压断路器故障诊断方法，其特征在于，包括以下步骤：

S1采集实际故障数据并进行数据预处理；

S2构建生成式对抗网络模型；

S3将随机噪声输入生成模型中，训练得到生成数据；

S4将实际故障数据和生成数据输入判别模型进行真伪判别；

S5输入数据训练生成式对抗网络，直到达到设定判别阈值；

S6将实际故障数据和生成数据融合构成故障数据库。

2.根据权利要求1所述的一种基于生成式对抗网络的高压断路器故障诊断方法，其特征在于，所述步骤S1数据预处理包括通过对将缺失和重复的数据整合删除，将数据集进行归一化处理和特征选取，实现故障数据的分类，以加快样本生成模型的收敛速度，减少数据维度。

3.根据权利要求1所述的一种基于生成式对抗网络的高压断路器故障诊断方法，其特征在于，所述步骤S2生成式对抗网络模型包括用于生成数据的生成模型和用于判断生成数据真假以及生成数据类别的判别模型，生成模型与判别模型相互博弈学习并且与故障数据库的数据进行相互交换对比。

4.根据权利要求3所述的一种基于生成式对抗网络的高压断路器故障诊断方法，其特征在于，所述生成模型由深度转置卷积网络构成，通过采样到的真实故障样本训练故障样本生成模型，学习真实故障样本的分布。

5.根据权利要求1所述的一种基于生成式对抗网络的高压断路器故障诊断方法，其特征在于，所述判别模型由深度神经网络构成，所述判别模型中包含用于判断数据真伪的分类器。

6.根据权利要求1所述的一种基于生成式对抗网络的高压断路器故障诊断方法，其特征在于，所述步骤S4使用真伪二分类器鉴别区分真实故障数据和生成故障数据的差异，输出值为二进制数0或者1,若输出为0，则数据为假数据，若输出为1，则数据为真数据，使用大量数据训练生成模型和判别模型，使得训练后的判别模型输出值更接近于1。

7.根据权利要求4所述的一种基于生成式对抗网络的高压断路器故障诊断方法，其特征在于，所述生成模型的第一层为6144大小的全连接层，后续四层是三维的转置卷积层，其中卷积核大小为2×5×5，即时间×宽×高，所述生成模型中使用转置卷积层操作。

8.根据权利要求5所述的一种基于生成式对抗网络的高压断路器故障诊断方法，其特征在于，所述判别模型使用卷积神经网络，所述判别模型的前四层是用于提取数据的时空特征的三维卷积层，随后是全连接层，所述卷积层的卷积核大小为2×5×5，即时间×宽×高。

9.根据权利要求1所述的一种基于生成式对抗网络的高压断路器故障诊断方法，其特征在于，所述步骤S3使用Wasserstein距离优化复合网络模型的损失函数以稳定训练过程，Wasserstein距离计算式定义为

其中，T₁为真实故障数据服从的分布，T₂是生成数据服从的分布，∏(T₁，T₂)为T₁和T₂组合起来的所有联合分布的集合，γ为其中的一个联合分布，(x，y)为γ中的一组样本，E_(x，y)～γ[‖x-y‖]为该样本距离的期望值。

10.根据权利要求1所述的一种基于生成式对抗网络的高压断路器故障诊断方法，其特征在于，所述步骤S5若判别该组输入数据的真实概率大于设定阈值，则该组输入数据判定为有效。