[发明专利]一种小样本故障诊断方法、装置及存储介质

权利要求书

1.一种基于重构对抗网络的小样本故障诊断方法，其特征在于，包括以下步骤：

获取未标记的初始工业数据；

建立生成对抗网络，所述生成对抗网络包括由反卷积网络构成的生成器和由卷积网络构成的判别器，其中，所述判别器用于辅助生成器生成合成数据；

基于真实工业数据样本和虚拟工业数据样本对生成对抗网络进行对抗训练；

将初始工业数据输入训练完成的生成对抗网络，得到包含新增数据的合成数据训练样本集；

基于初始工业数据训练SVM分类器；

数据筛选：利用SVM分类器的输出对新增数据进行筛选，基于筛选通过的样本更新合成数据训练样本集；

重构SVM：基于更新的合成数据训练样本集对SVM分类器进行重构训练；

重新进行数据筛选和重构SVM，重复预配置的次数后，得到重构完成的SVM分类器；

基于重构完成的SVM分类器对初始工业数据进行诊断，得到故障诊断结果。

2.根据权利要求1所述的一种基于重构对抗网络的小样本故障诊断方法，其特征在于，所述生成对抗网络的损失函数为：

式中，G代表生成器，D代表判别器，z为输入的随机噪声，x为初始工业数据，min_Gmax_DV(D,G)表示，判别器的优化目标是使得目标函数V最大，生成器的优化目标是使得目标函数V最小。

3.根据权利要求2所述的一种基于重构对抗网络的小样本故障诊断方法，其特征在于，所述生成器生成合成数据的方法具体为：

式中，X₁代表已有故障类别数据，为生成器利用已有数据生成的新增故障类别数据，X₁与叠加之后得到合成数据。

4.根据权利要求2所述的一种基于重构对抗网络的小样本故障诊断方法，其特征在于，所述随机噪声z输入后利用全连接层进行映射，经过反卷积网络扩充，将维度补全至与工业数据的维度一致。

5.根据权利要求3所述的一种基于重构对抗网络的小样本故障诊断方法，其特征在于，所述反卷积网络第i层的输出尺寸LO_i为：

LI_i＝LO_i-1

LO_i＝(LI_i-1)×S_i-2×P_i+K_i

其中，LI_i为第i层反卷积网络的输入参数尺寸，S_i为第i层步长，P_i为第i层补全值大小，K_i为第i层卷积核大小。

6.根据权利要求1所述的一种基于重构对抗网络的小样本故障诊断方法，其特征在于，所述反卷积网络基于卷积网络镜像构造得到。

7.根据权利要求1所述的一种基于重构对抗网络的小样本故障诊断方法，其特征在于，所述卷积网络用于完成工业数据的特征提取和融合，并解析最后一层的输出数据，获得判别结果，辅助生成器完成合成数据的生成，其中，卷积网络第l+1层卷积层参数的计算公式为：

其中，f(z)为激活函数，*为卷积运算，第l层卷积层的参数为特征图集合为M，卷积核为k，偏置参数为b。

8.根据权利要求7所述的一种基于重构对抗网络的小样本故障诊断方法，其特征在于，所述激活函数为sigmoid函数：

9.一种基于重构对抗网络的小样本故障诊断装置，包括存储器、处理器，以及存储于所述存储器中的程序，其特征在于，所述处理器执行所述程序时实现如权利要求1-8中任一所述的方法。

10.一种存储介质，其上存储有程序，其特征在于，所述程序被执行时实现如权利要求1-8中任一所述的方法。