[发明专利]基于潜在特征编码的机械异常检测方法有效
申请号: | 201910323189.0 | 申请日: | 2019-04-22 |
公开(公告)号: | CN110060368B | 公开(公告)日: | 2020-03-10 |
发明(设计)人: | 王俊;戴俊;黄伟国;石娟娟;朱忠奎 | 申请(专利权)人: | 苏州大学 |
主分类号: | G07C3/00 | 分类号: | G07C3/00;G06F30/27;G06N3/08 |
代理公司: | 苏州市中南伟业知识产权代理事务所(普通合伙) 32257 | 代理人: | 曹成俊 |
地址: | 215000 江苏*** | 国省代码: | 江苏;32 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
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。 | ||
搜索关键词: | 基于 潜在 特征 编码 机械 异常 检测 方法 | ||
【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。
下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于苏州大学,未经苏州大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/patent/201910323189.0/,转载请声明来源钻瓜专利网。
- 上一篇:防止替代打卡的智能考勤装置
- 下一篇:一种配电网通信数据交互监控系统