[发明专利]一种电机故障数据增广方法及系统

说明书

本发明涉及故障诊断技术领域，公开了一种电机故障数据增广方法及系统。该方法包括：构建真实训练样本集和测试样本集；构建真实训练样本的第一属性标签集、第一特征标签集和第一混合标签集，构建属性推理网络；构建测试样本集的第二属性标签集，得到测试样本集的第二特征标签集，确定测试样本集的第二混合标签集；构建故障数据增广模型的第一预设模型、第二预设模型和第三预设模型；构建编码解码器损失函数和判别器损失函数，并建立故障数据增广模型损失函数；训练故障数据增广模型，获得故障数据增广最优模型参数；并确定与测试样本属性一致的生成数据。该方法易于实施，无需额外硬件设备，能多运行工况、多类型、多退化程度故障数据增广。

技术领域

本发明涉及故障诊断技术领域，尤其涉及一种电机故障数据增广方法及系统。

背景技术

在现代工业生产设备不断朝着结构化、自动化和智能化方向发展的过程中，电机作为最重要的动力和驱动装置，在高速列车、地铁和城际轨道交通等设备中得到了广泛的应用。而不同运行工况、不同运行状态下的数据是实现电机运行状态监测的重要前提和基础，但通过真实运营和实物试验获取数据难度大、成本高，现有数据极为有限，性能退化、故障、失效数据不全面，所涉及运行工况稀少、故障类型不完备、退化程度单一，难以满足电机运行状态监测的需要。

因此，如何基于单一的、不完备的数据生成多运行工况、多类型、多退化程度故障数据成为一个急需解决的问题。

发明内容

本发明提供了一种电机故障数据增广方法及系统，以实现基于单一的、不完备的数据生成多运行工况、多类型、多退化程度故障数据的目的。

为了实现上述目的，本发明通过如下的技术方案来实现：

第一方面，本发明提供一种电机故障数据增广方法，包括：

S1：构建电机在不同工况、不同故障类型、不同故障严重程度下的真实训练样本集和测试样本集；

S2：构建真实训练样本的第一属性标签集、第一特征标签集和第一混合标签集，根据所述第一属性标签集和所述第一特征标签集构建属性推理网络；

S3：构建测试样本集的第二属性标签集，根据所述第二属性标签集和所述属性推理网络得到测试样本集的第二特征标签集，根据所述第二属性标签集和所述第二特征标签集确定测试样本集的第二混合标签集；

S4：根据第一混合标签集构建故障数据增广模型的第一预设模型、第二预设模型和第三预设模型；

S5：根据所述第一预设模型、所述第二预设模型和所述第三预设模型构建编码解码器损失函数和判别器损失函数，并根据所述编码解码器损失函数和所述判别器损失函数建立故障数据增广模型损失函数；

S6：根据所述第一预设模型、所述第二预设模型、所述第三预设模型以及所述故障数据增广模型损失函数训练故障数据增广模型，获得故障数据增广最优模型参数；根据所述第二混合标签集和所述故障数据增广最优模型参数确定与测试样本属性一致的生成数据。

第二方面，本申请提供一种电机故障数据增广系统，包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述第一方面所述方法的步骤。

有益效果：

本发明提供的电机故障数据增广方法，通过利用被生成数据的混合属性，控制故障数据增广模型生成相应属性的故障数据，解决由于运行工况稀少、故障类型不完备、退化程度单一给运行状态监测所带来的难题，为电机状态监测的有效实现奠定基础。该方法易于实施，无需额外硬件设备，能多运行工况、多类型、多退化程度故障数据增广。

附图说明

图1是本发明实施例的一种电机故障数据增广方法流程图；

图2是本发明实施例的电机故障数据生成方法示意图之一；