申请/专利权人：东方电气集团科学技术研究院有限公司

申请日：2023-12-28

公开（公告）日：2024-04-09

公开（公告）号：CN117851822A

主分类号：G06F18/214

分类号：G06F18/214;G06F18/25;G06N3/0455;G06N3/0475;G06N3/082

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.26#实质审查的生效;2024.04.09#公开

摘要：本发明涉及数据生成技术领域，尤其涉及一种基于多物理场分布下的设备故障诊断样本数据生成方法，包括获取发电设备多物理场下的原始数据作为小样本数据；对小样本数据进行数据预处理以获得初始模型训练数据；结合BPNN网络与深度SAE网络建立GAN网络样本生成模型，并基于初始模型训练数据，采用全局优化的方式训练GAN网络样本生成模型，并结合梯度寻优法，通过GAN网络样本生成模型中的生成器输出新生成样本数据。本技术方案采用深度SAE网络的自编码特征结合BPNN网络建立了改进后的GAN网络样本生成模型，可基于该GAN网络样本生成模型生成可靠的设备故障诊断样本数据，对扩充设备故障样本，确保智能故障诊断方法性能具有重要意义。

主权项：1.基于多物理场分布下的设备故障诊断样本数据生成方法，所述设备为发电设备，其特征在于，包括以下步骤：S1，获取发电设备运行过程中多物理场下的原始数据，并将该原始数据作为小样本数据；S2，对小样本数据进行包括向量拼接和特征融合在内的数据预处理，获得初始模型训练数据；S3，建立GAN网络样本生成模型，包括利用初始模型训练数据训练深度SAE网络，将BPNN网络与深度SAE网络的解码部分组合成生成器，并组建全局鉴别器D1网络和真实性鉴别器D2网络用于参与生成器的训练；S4，基于初始模型训练数据，采用全局优化的方式训练GAN网络样本生成模型，并结合梯度寻优法，通过GAN网络样本生成模型中的生成器输出新生成样本数据。

全文数据：

权利要求：

百度查询： 东方电气集团科学技术研究院有限公司 基于多物理场分布下的设备故障诊断样本数据生成方法

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