【技术实现步骤摘要】
本专利技术涉及智能故障诊断，尤其涉及一种基于跨通道连接gan网络的故障数据扩充方法。
技术介绍
1、传统故障诊断方法面对样本分布不均衡数据时具有泛化能力差、对样本量少的故障类别诊断精度低的问题。目前，解决样本不均衡问题的手段主要分为扩充样本数量和算法改进两个方面。
2、而在扩充样本数量和算法改进中，现有技术的问题在于无法获得高质量的故障样板，经过检索，中国专利公开号为cn114858455a公开一种基于改进gan-osnet的滚动轴承故障诊断方法及系统，涉及轴承故障诊断
本专利技术首先对现有的生成对抗网络进行改进以便于数据扩充，然后对全尺度网络进行改进，并利用上述扩充后的数据训练和优化改进后的全尺度网络，从而得到最优故障诊断模型，然而上述现有技术在使用时，在数据扩充时，并不能获得高质量的故障数据，基于上述原因，本专利技术设计了一种基于跨通道连接gan网络的故障数据扩充方法。
技术实现思路
1、本专利技术的目的是为了解决现有技术中的问题，而提出的一种基于跨通道连接gan网络的故障数据扩充方法。
2、一种基于跨通道连接gan网络的故障数据扩充方法，将故障时序数据进行系数矩阵重构，包括以下步骤：
3、s1：对少量故障信号进行预处理，通过基函数的截取原始信号，并进行连续小波变换获得时频图；
4、s2：通过小波基函数，提取待测信号的时频域特征；
5、s3：将信号(函数)与小波基进行卷积运算，将信号分解成位于不同频带和时段内的
6、s4：提取处理后的时序信号系数矩阵，将系数矩阵按照设定的长宽进行重构，并以图像的方式存储，从而获得特征信息；
7、通过gan网络中和真实故障数据对故障数据进行扩充，在上述过程中，将系数矩阵重构获得的特征信息辅助gan网络的训练。
8、在上述基于跨通道连接gan网络的故障数据扩充方法中，在生成器卷积的过程中，将上述特征信息连接到判别器提取特征信息的过程中，加强判别器的判别能力。
9、在上述基于跨通道连接gan网络的故障数据扩充方法中，在生成器卷积的过程中，将上述特征信息连接到判别器提取特征信息的过程中，加强判别器的判别能力。
10、在上述基于跨通道连接gan网络的故障数据扩充方法中，将特征信息分别连接到生成器卷积和判别器提取特征的过程中，构成生成器和判别器跨通道连接。
11、在上述基于跨通道连接gan网络的故障数据扩充方法中，通过分类网络验证经训练后的gan网络生成扩充数据的有效性。
12、与现有的技术相比，本专利技术优点在于：
13、1：将小样本的故障数据进行二维处理，并以排列组合的方式保留特征信息；
14、2：使用跨通道连接的方式促进残差gan网络的效果，相比于生成器直接模拟生成数据，提高生成效率和准确性，同时提高了判别器的学习能力，实现高质量的故障数据的生成。
本文档来自技高网...【技术保护点】
1.一种基于跨通道连接GAN网络的故障数据扩充方法，将故障时序数据进行系数矩阵重构，包括以下步骤：
2.根据权利要求1所述的基于跨通道连接GAN网络的故障数据扩充方法，其特征在于：在生成器卷积的过程中，将上述特征信息连接到判别器提取特征信息的过程中，加强判别器的判别能力。
3.根据权利要求1所述的基于跨通道连接GAN网络的故障数据扩充方法，其特征在于：在判别器提取特征信息的过程中，将上述特征信息连接到生成器的编码过程中，使生成器更好地学习到真实样本内部的特征，提升生成器的编码能力。
4.根据权利要求1所述的基于跨通道连接GAN网络的故障数据扩充方法，其特征在于：将特征信息分别连接到生成器卷积和判别器提取特征的过程中，构成生成器和判别器跨通道连接。
5.根据权利要求4所述的基于跨通道连接GAN网络的故障数据扩充方法，其特征在于：通过分类网络验证经训练后的GAN网络生成扩充数据的有效性。
【技术特征摘要】
1.一种基于跨通道连接gan网络的故障数据扩充方法，将故障时序数据进行系数矩阵重构，包括以下步骤：
2.根据权利要求1所述的基于跨通道连接gan网络的故障数据扩充方法，其特征在于：在生成器卷积的过程中，将上述特征信息连接到判别器提取特征信息的过程中，加强判别器的判别能力。
3.根据权利要求1所述的基于跨通道连接gan网络的故障数据扩充方法，其特征在于：在判别器提取特征信息的过程中，将上述特征信息...
【专利技术属性】
技术研发人员：万群，张晓光，陆凡凡，陈洋，束正华，徐健，王金瑞，
申请(专利权)人：安徽智质工程技术有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。