申请/专利权人:昆明理工大学
申请日:2024-01-13
公开(公告)日:2024-04-05
公开(公告)号:CN117828354A
主分类号:G06F18/214
分类号:G06F18/214;G06F18/21;G06N3/0455;G06N3/0464;G06N3/08
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.04.23#实质审查的生效;2024.04.05#公开
摘要:本发明公开了一种融合VAE和WGAN‑GP的一维轴承故障信号数据生成方法,包括:依据采集得到的多类故障类型的振动加速度信号构建样本集;对样本集进行拆分并归一化,划分成训练集和测试集;构建包含编码器E、解码器G、判别器D的样本生成模型;使用训练集训练构建好的样本生成模型,达到最优效果后固定模型权重;调用模型权重,输入测试集样本进行样本生成。本发明提出的融合VAE和WGAN‑GP的样本生成模型通过特征编码结构提取原始样本中的隐变量,将包含原始样本特征的隐变量代替随机噪声输入,同时引入使用了Wasserstein距离衡量真实样本与生成样本之间的分布距离,并引入梯度惩罚项,提升模型生成样本的质量和多样性的同时增强了模型训练的稳定性,避免因梯度消失和梯度爆炸引发的模型崩溃问题。
主权项:1.一种融合VAE和WGAN-GP的一维轴承故障信号数据生成方法,其特征在于,包括:依据采集得到的多类故障类型的振动加速度信号构建样本集;对样本集进行拆分并归一化,划分成训练集和测试集;构建包含编码器E、解码器G、判别器D的样本生成模型;使用训练集训练构建好的样本生成模型,达到最优效果后固定模型权重;调用模型权重,输入测试集样本进行样本生成。
全文数据:
权利要求:
百度查询: 昆明理工大学 融合VAE和WGAN-GP的一维轴承故障信号数据生成方法
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。