申请/专利权人：南京理工大学

申请日：2023-02-24

公开（公告）日：2023-06-23

公开（公告）号：CN116304809A

主分类号：G06F18/24

分类号：G06F18/24;G06F18/214;G06N3/08;G06N3/045;G06N3/0464;G06N3/0475;G06N3/048

优先权：

专利状态码：在审-实质审查的生效

法律状态：2023.07.11#实质审查的生效;2023.06.23#公开

摘要：本发明公开了一种基于TimeGAN模型的智能工厂设备故障诊断方法，该方法为：采集智能工厂设备的不平衡时序故障数据集，进行预处理作为原始数据，将其划分为样本量大的故障类别和样本量小的故障类别；用所有原始数据预训练出一个辅助生成的故障分类器；对样本量小的故障类别所对应数据进行处理得到样本集，将样本集划分为训练集和测试集，训练集送入TimeGAN模型进行训练，生成足够平衡原始数据的样本数据；将该样本数据与原始数据进行混合，得到平衡后的故障数据集，送入CNN网络进行训练，然后对测试集进行故障诊断。本发明充分考虑了生成样本的准确性、多样性和故障分类的准确度，从而获得了高效准确的智能工厂设备故障诊断结果。

主权项：1.一种基于TimeGAN模型的智能工厂设备故障诊断方法，其特征在于，包括以下步骤：步骤1、采集智能工厂设备的不平衡时序故障数据集，并进行预处理作为原始数据，根据原始数据划分样本量大的故障类别和样本量小的故障类别；步骤2、用所有原始数据预训练出一个辅助生成的故障分类器；步骤3、对样本量小的故障类别所对应数据进行处理得到样本集，将样本集划分为训练集和测试集，训练集送入TimeGAN模型进行训练，生成足够平衡原始数据的样本数据；步骤4、将生成的样本数据与原始数据进行混合，得到平衡后的故障数据集；步骤5、将平衡后的故障数据集送入CNN网络进行训练；步骤6、用训练后的CNN网络对测试集进行故障诊断。

全文数据：

权利要求：

百度查询： 南京理工大学 基于TimeGAN模型的智能工厂设备故障诊断方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD