[发明专利]基于潜在特征编码的机械异常检测方法

摘要

本发明公开了一种基于潜在特征编码的机械异常检测方法。本发明一种基于潜在特征编码的机械异常检测方法，包括：数据预处理：对振动信号数据进行预处理，包括傅立叶变换和归一化；正向传播：将预处理完的信号输入第一个全卷积网络，对数据进行编码。本发明的有益效果：本方法针对异常样本缺失问题，利用深度网络的特征挖掘能力，学习正常信号样本的数据分布，通过对信号进行编码‑解码‑再编码，将信号转移到潜在空间中进行数据分布对比。

主权项

1.一种基于潜在特征编码的机械异常检测方法，其特征在于，包括：数据预处理：对振动信号数据进行预处理，包括傅立叶变换和归一化。正向传播：将预处理完的信号输入第一个全卷积网络，对数据进行编码，得到样本信号的潜在特征编码。然后将样本信号的潜在特征编码输入到生成对抗网络中，通过生成对抗网络相互对抗学习，对样本信号的潜在特征编码进行解码，不断接近真实样本信号的数据分布，得到重构信号。最后将重构信号输入到第二个全卷积网络，得到重构信号的潜在特征编码；反向传播：定义网络损失函数，根据损失函数反向传播，对全卷积网络、生成对抗网络进行迭代优化，最后完成训练；网络测试：向训练完成的网络模型输入机械当前的信号，计算该信号样本中原始信号的潜在特征编码与其重构信号的潜在特征编码之间的损失；异常检测：持续观察新测量信号潜在特征编码损失的变化情况，当变化幅度大于第一阈值且持续时间大于第二阈值时，判定机械出现异常。