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。